揭示多种生成对抗网络所产生的可通关 Lode Runner 关卡空间
机器学习
2021-01-21 v1 人工智能
神经与进化计算
摘要
生成对抗网络（GANs）能够生成对训练集中元素的令人信服的模仿，但训练集中元素的分布会影响 GAN 正确训练的难易程度及其生成输出的质量。本文考察了在游戏 Lode Runner 的不同数据子集上训练的六种不同 GAN。我们使用质量多样性算法 MAP-Elites 来探索每个 GAN 可生成的质量关卡集合，其中质量定义为可通关且具有尽可能长的解路径。有趣的是，仅在 20 个关卡上训练的 GAN 生成了最大规模的可通关多样化关卡集合，而在 150 个关卡上训练的 GAN 生成了最小规模的可通关多样化关卡集合，从而挑战了训练 GAN 时“越多越好”的观念。
引用
@article{arxiv.2101.07868,
title = {Illuminating the Space of Beatable Lode Runner Levels Produced By Various Generative Adversarial Networks},
author = {Kirby Steckel and Jacob Schrum},
journal= {arXiv preprint arXiv:2101.07868},
year = {2021}
}