生成对抗网络潜层设计空间中的交互式进化与探索
神经与进化计算
2020-04-02 v1 人工智能
摘要
生成对抗网络（GANs）是一种新兴的间接编码形式。GAN 被训练以在训练数据上诱导潜空间，且实值进化算法可搜索该潜空间。此类潜变量进化（LVE）近来已应用于游戏关卡。然而，客观分数难以捕捉对玩家有吸引力的关卡特征。因此，本文介绍一种用于游戏基于瓦片关卡的交互式 LVE 工具。该工具还允许直接探索潜维度，并允许用户游玩发现的关卡。该工具适用于为《超级马里奥兄弟》与《塞尔达传说》训练的各种 GAN 模型，且易于推广到其他游戏。一项用户研究表明，进化与潜空间探索功能均受青睐，对直接探索略有偏好，但结合这些功能可使用户发现更优关卡。用户反馈也指出了在增加若干增强后，该系统如何最终成长为商业设计工具。
引用
@article{arxiv.2004.00151,
title = {Interactive Evolution and Exploration Within Latent Level-Design Space of Generative Adversarial Networks},
author = {Jacob Schrum and Jake Gutierrez and Vanessa Volz and Jialin Liu and Simon Lucas and Sebastian Risi},
journal= {arXiv preprint arXiv:2004.00151},
year = {2020}
}
备注
GECCO 2020