用于《塞尔达传说》的生成图语法地牢中由生成对抗网络生成的房间

生成对抗网络（GANs）已证明能够在包括电子游戏在内的多个领域中学习数据中的模式，并生成与其训练集相似但不同的新样本。然而，GANs 具有固定的输出尺寸，因此为地牢探索类游戏创建任意大小的水平较为困难。GANs 还难以编码使关卡有趣且可玩的语义要求。本文将对单个房间生成的 GAN 方法与将房间组合成地牢的图语法方法相结合。GAN 捕捉单个房间的设计原则，而图语法将房间组织成具有由设计者确定的障碍序列的全局布局。使用《塞尔达传说》的房间数据来训练 GAN。该方法通过用户研究得到验证，表明 GAN 地牢的可玩乐趣与原始游戏中的关卡以及仅用图语法生成的关卡相当。然而，GAN 地牢的房间被认为更复杂，而纯图语法地牢被认为最不复杂且最具挑战性。只有 GAN 方法能创建出丰富的布局与房间供应，其中房间涵盖了从训练集中所见到的到融合多个房间设计原则的新创作。