学习设计者偏好以驱动演化
人工智能
2020-05-12 v1 神经与进化计算
摘要
本文提出设计者偏好模型（Designer Preference Model），一种数据驱动的解决方案，旨在从质量-多样性混合主动协同创造（QD MI-CC）工具中的用户生成数据中学习，以建模用户的设计风格，从而针对该用户偏好更好地评估工具程序化生成的内容。通过此方法，我们旨在增强用户对生成内容的能动性，既不中断用户-工具相互刺激回路，也不因周期性人工挑选建议而致用户疲劳。我们描述了该新颖方案的细节及其在 MI-CC 工具 Evolutionary Dungeon Designer 中的实现。我们展示并讨论了初步测试的结果，指出了将 MI-CC 与通过机器学习的程序化内容生成相融合的这一联合研究线上的开放挑战。
引用
@article{arxiv.2003.03268,
title = {Learning the Designer's Preferences to Drive Evolution},
author = {Alberto Alvarez and Jose Font},
journal= {arXiv preprint arXiv:2003.03268},
year = {2020}
}
备注
16 pages, Accepted and to appear in proceedings of the 23rd European Conference on the Applications of Evolutionary and bio-inspired Computation, EvoApplications 2020