水平水平：利用强化学习平衡非对称玩家原型的游戏关卡
机器学习
2025-04-01 v1
摘要
游戏平衡，尤其是包含非对称多人内容的游戏，需要大量的人工工作和广泛的人类 playtesting。因此，本工作聚焦于生成针对非对称玩家原型平衡的关卡，其中玩家能力的差异完全通过关卡设计来平衡。例如，尽管一个原型相对于另一个原型可能拥有优势，但两者都应拥有相同的获胜机会。我们因此将游戏平衡概念化为一种程序内容生成问题，并在最近引入的方法基础上进行扩展，该方法使用强化学习来平衡基于砖块的游戏关卡。我们在四个不同的玩家原型上对该方法进行评估，展示了其在平衡更多比例的关卡方面的优于两种基线方法的能力。此外，我们的结果表明，随着玩家原型之间差异的增加，所需的训练步骤数也随之增加，而实现平衡的模型准确率则下降。
引用
@article{arxiv.2503.24099,
title = {Level the Level: Balancing Game Levels for Asymmetric Player Archetypes With Reinforcement Learning},
author = {Florian Rupp and Kai Eckert},
journal= {arXiv preprint arXiv:2503.24099},
year = {2025}
}
备注
Accepted at the ACM International Conference on the Foundations of Digital Games (FDG) 2025