基于树的重构式划分：一种新颖的低数据关卡生成方法
人工智能
2023-09-26 v1 机器学习
摘要
程序化内容生成（PCG）是内容的算法生成，常应用于游戏。PCG 与基于机器学习的程序化内容生成（PCGML）已出现在已发布的游戏中。然而，在开发中的游戏早期阶段应用这些方法可能颇为困难。PCG 需要以规则或函数表示设计者质量观念的专门知识，而 PCGML 通常需要大量训练数据，这在开发早期可能并不可得。本文中，我们提出基于树的重构式划分（TRP），一种旨在解决此问题的新颖 PCGML 方法。我们在两个领域上的结果表明，TRP 生成的关卡更具可玩性与连贯性，且该方法的泛化能力更强、所需训练数据更少。我们认为 TRP 是一种有前景的新方法，能够在无需人类专业知识或大量训练数据的情况下，将 PCGML 引入游戏开发的早期阶段。
引用
@article{arxiv.2309.13071,
title = {Tree-Based Reconstructive Partitioning: A Novel Low-Data Level Generation Approach},
author = {Emily Halina and Matthew Guzdial},
journal= {arXiv preprint arXiv:2309.13071},
year = {2023}
}
备注
9 pages, 3 figures, The 19th AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment (AIIDE 2023)