从不稳定到可玩：通过目标分割稳定愤怒的小鸟关卡
计算机视觉与模式识别
2025-12-09 v1 人工智能
摘要
程序化内容生成（PCG）技术能够实现多样且复杂环境的自动创建。虽然 PCG 提高了内容创建的效率，但确保持续产出高质量、符合行业标准的内容仍是一项重大挑战。本研究提出了一种方法，用于识别和修复现有 PCG 模型生成的不稳定关卡。以愤怒的小鸟为案例研究，在经典 PCG 方法生成的关卡上演示了本方法。本方法利用目标分割和关卡图像的视觉分析来检测结构缺陷并进行针对性修复。我们评估了多种目标分割模型，并选择最有效的一种作为修复流程的基础。实验结果表明，本方法提升了 AI 生成关卡的稳定性和可玩性。虽然我们的评估针对愤怒的小鸟，但基于图像的方法设计为可适用于具有类似关卡结构的广泛二维游戏。
引用
@article{arxiv.2509.23787,
title = {From Unstable to Playable: Stabilizing Angry Birds Levels via Object Segmentation},
author = {Mahdi Farrokhimaleki and Parsa Rahmati and Richard Zhao},
journal= {arXiv preprint arXiv:2509.23787},
year = {2025}
}
备注
Accepted at the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment (AIIDE-25)