Fugu-MT 論文翻訳(概要): Mech-Elites: Illuminating the Mechanic Space of GVGAI

論文の概要: Mech-Elites: Illuminating the Mechanic Space of GVGAI

arxiv url: http://arxiv.org/abs/2002.04733v2
Date: Wed, 24 Aug 2022 15:41:03 GMT
ステータス: 処理完了
システム内更新日: 2023-01-02 02:23:17.543862
Title: Mech-Elites: Illuminating the Mechanic Space of GVGAI
Title（参考訳）: Mech-Elites:GVGAIのメカニックスペースのイルミネーション
Authors: M Charity, Michael Cerny Green, Ahmed Khalifa, Julian Togelius
Abstract要約: 本稿では,汎用ゲームレベル生成のためのメカニック照明の完全自動手法を提案する。本手法をGVG-AI(Zelda, Solarfox, Plants, RealPortals)の4ドルでのメカニックスペースに適用する。
参考スコア（独自算出の注目度）: 6.32656340734423
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces a fully automatic method of mechanic illumination for general video game level generation. Using the Constrained MAP-Elites algorithm and the GVG-AI framework, this system generates the simplest tile based levels that contain specific sets of game mechanics and also satisfy playability constraints. We apply this method to illuminate mechanic space for $4$ different games in GVG-AI: Zelda, Solarfox, Plants, and RealPortals.
Abstract（参考訳）: 本稿では,汎用ゲームレベル生成のためのメカニック照明の完全自動手法を提案する。制約付きmap-elitesアルゴリズムとgvg-aiフレームワークを使用して、このシステムはゲーム力学の特定のセットを含む最も単純なタイルベースのレベルを生成し、遊びやすさの制約も満たします。本手法を用いて,GVG-AI(Zelda, Solarfox, Plants, RealPortals)の4ドルの異なるゲームに対して,メカニック空間を照明する。

関連論文リスト

PlaMo: Plan and Move in Rich 3D Physical Environments [68.75982381673869]
シーン認識型パスプランナで,ロバストな物理制御系であるPlaMoについて紹介する。プランナーは、シーンが動きに課す様々な制限を考慮して、一連の動き経路を生成する。私たちのコントロールポリシーは、計画に忠実なリッチでリアルな物理運動を生成します。
論文参考訳（メタデータ） (2024-06-26T10:41:07Z)
Improved Techniques for Optimization-Based Jailbreaking on Large Language Models [78.32176751215073]
Greedy Coordinate Gradient (GCG)攻撃の成功は、最適化ベースのジェイルブレイク技術の研究への関心が高まっている。我々はGCGのような最適化ベースのジェイルブレイクにいくつかの改良(経験的)技術を提案する。以上の結果から,GCGが最先端のジェイルブレイク攻撃より優れ,100%近い攻撃成功率を達成できる可能性が示唆された。
論文参考訳（メタデータ） (2024-05-31T17:07:15Z)
Accelerate Multi-Agent Reinforcement Learning in Zero-Sum Games with Subgame Curriculum Learning [65.36326734799587]
ゼロサムゲームのための新しいサブゲームカリキュラム学習フレームワークを提案する。エージェントを以前に訪れた状態にリセットすることで、適応的な初期状態分布を採用する。我々は,2乗距離をNE値に近似するサブゲーム選択指標を導出する。
論文参考訳（メタデータ） (2023-10-07T13:09:37Z)
SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
論文参考訳（メタデータ） (2023-05-24T18:14:35Z)
CCPT: Automatic Gameplay Testing and Validation with Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。 CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
論文参考訳（メタデータ） (2022-02-21T09:08:33Z)
Illuminating the Space of Dungeon Maps, Locked-door Missions and Enemy Placement Through MAP-Elites [0.0]
本稿ではMAP-Elites集団を組み込んだ進化的ダンジョン発生器の拡張版を紹介する。我々のダンジョンレベルは、室内に鍵を掛けたミッションや敵がいるかもしれない部屋と区別される。ミッションの実現性を確保するため、木構造を通してダンジョンをエンコードしました。
論文参考訳（メタデータ） (2022-02-18T17:06:04Z)
Tile Embedding: A General Representation for Procedural Level Generation via Machine Learning [1.590611306750623]
タイルをベースとした2Dゲームのための,統一的で手頃な表現であるタイル埋め込みを提案する。我々は、既存の人間の注釈付きゲームからタイルの視覚的および意味的な情報に基づいて訓練されたオートエンコーダを採用する。我々は、この表現を、目に見えないタイルの余裕を予測し、注釈付きゲームや注釈なしゲームのためのPLGML表現として機能する能力に基づいて評価する。
論文参考訳（メタデータ） (2021-10-07T04:48:48Z)
Towards General Function Approximation in Zero-Sum Markov Games [126.58493169301012]
本稿では,同時移動を伴う2プレーヤゼロサム有限ホライゾンマルコフゲームについて考察する。分離された設定とコーディネートされた設定の両方の効率的なアルゴリズムが開発されている。
論文参考訳（メタデータ） (2021-07-30T15:25:13Z)
Generating and Blending Game Levels via Quality-Diversity in the Latent Space of a Variational Autoencoder [7.919213739992465]
ここでは,vaesアルゴリズムとqdアルゴリズムを組み合わせたレベル生成とゲームブレンド手法を提案する。具体的には,ゲームレベルでVAEをトレーニングし,学習したVAEの潜在空間を探索空間としてMAP-Elites QDアルゴリズムを実行する。
論文参考訳（メタデータ） (2021-02-24T18:44:23Z)
Game Mechanic Alignment Theory and Discovery [5.5805433423452895]
我々は,ゲームメカニックアライメント理論という新しい概念を提案する。プレイヤーと環境の影響を消し去ることで、自動チュートリアル生成システムで使用するメカニクスをよりよく特定することができる。
論文参考訳（メタデータ） (2021-02-20T03:41:03Z)
Mario Level Generation From Mechanics Using Scene Stitching [6.32656340734423]
本システムは,FI-2Popアルゴリズムとシーンのコーパスを用いて,自動レベルのオーサリングを行う。本システムでは, 縫合による創発機構の低減を図り, 整合力学の最大化が可能である。
論文参考訳（メタデータ） (2020-02-07T19:44:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。