通过变分自编码器潜空间中的质量-多样性生成与混合游戏关卡
机器学习
2021-07-23 v2 人工智能
摘要
若干工作已证明变分自编码器（VAEs）可用于以现有游戏风格生成关卡以及跨不同游戏混合关卡。此外，质量-多样性（QD）算法也因利用进化探索搜索空间并同时关注多样性与质量，而在生成多样化游戏内容方面日益流行。为兼顾这两种方法的优势，我们提出一种结合 VAE 与 QD 算法的关卡生成与游戏混合方法。具体而言，我们在游戏关卡上训练 VAE，并使用所学 VAE 的潜空间作为搜索空间来运行 MAP-Elites QD 算法。该潜空间捕获了我们欲生成与混合关卡的游戏之属性，而 MAP-Elites 在此潜空间中搜索以找到优化给定目标（如可玩性）的多样化关卡集合。我们使用 5 个不同平台游戏以及涵盖其中 3 个游戏的混合域的模型测试了该方法。我们将使用 MAP-Elites 进行混合称为 Blend-Elites。我们的结果表明，MAP-Elites 与 VAE 结合不仅能够为每个单独游戏生成多样化可玩关卡集合，也能为混合域生成此类集合，同时揭示混合潜空间中游戏特定的区域。
引用
@article{arxiv.2102.12463,
title = {Generating and Blending Game Levels via Quality-Diversity in the Latent Space of a Variational Autoencoder},
author = {Anurag Sarkar and Seth Cooper},
journal= {arXiv preprint arXiv:2102.12463},
year = {2021}
}
备注
Accepted to FDG 2021