从小开始：在无训练数据下通过多尺寸学习训练可控游戏关卡生成器
机器学习
2023-04-25 v2
摘要
关卡生成器是一种从噪声生成游戏关卡的工具有。在无数据集情况下训练生成器会受到反馈稀疏性的困扰，因为通过随机探索不太可能生成可玩关卡。一种常见解决方案是塑形奖励，其引导生成器达成朝向关卡可玩性的子目标，但它们消耗设计精力且需要游戏特定的领域知识。本文提出一种新方法，通过从较小尺寸开始直至所需尺寸的多关卡尺寸学习，在无数据集或塑形奖励下训练生成器。小尺寸下更密集的反馈消除了对塑形奖励的需求。此外，生成器学会构建各种尺寸的关卡，包括其未受训的尺寸。我们将我们的方法应用于训练循环自回归生成流网络（GFlowNets）以实现可控关卡生成。我们还调整多样性采样以兼容 GFlowNets。结果显示，我们的生成器为 Sokoban、Zelda 与 Danger Dave 在各种尺寸下创建多样的可玩关卡。与 Sokoban 的可控强化学习关卡生成器相比，结果显示我们的生成器实现了更好的可控性与有竞争力的多样性，同时训练与关卡生成速度快 9 倍。
引用
@article{arxiv.2209.15052,
title = {Start Small: Training Controllable Game Level Generators without Training Data by Learning at Multiple Sizes},
author = {Yahia Zakaria and Magda Fayek and Mayada Hadhoud},
journal= {arXiv preprint arXiv:2209.15052},
year = {2023}
}
备注
26 pages, 7 tables, 7 figures. Code: https://github.com/yahiaetman/ms-level-gen