論文の概要: Generative Forensics: Procedural Generation and Information Games
- arxiv url: http://arxiv.org/abs/2004.01768v1
- Date: Fri, 3 Apr 2020 20:51:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 04:27:15.492421
- Title: Generative Forensics: Procedural Generation and Information Games
- Title(参考訳): 生成法医学:手続き生成と情報ゲーム
- Authors: Michael Cook
- Abstract要約: 生成法医学は、生成システムの出力を理解するためにプレイヤーに挑戦する情報ゲームのサブジャンルである。
我々は、生成法医学がいかにしてこのアイデアを発展させるかを示し、我々が作成した2つのプロトタイプゲームについて報告し、生成法学に関する研究をプレイヤーとデザイナーの観点から評価する。
- 参考スコア(独自算出の注目度): 0.19036571490366497
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Procedural generation is used across game design to achieve a wide variety of
ends, and has led to the creation of several game subgenres by injecting
variance, surprise or unpredictability into otherwise static designs.
Information games are a type of mystery game in which the player is tasked with
gathering knowledge and developing an understanding of an event or system.
Their reliance on player knowledge leaves them vulnerable to spoilers and hard
to replay. In this paper we introduce the notion of generative forensics games,
a subgenre of information games that challenge the player to understand the
output of a generative system. We introduce information games, show how
generative forensics develops the idea, report on two prototype games we
created, and evaluate our work on generative forensics so far from a player and
a designer perspective.
- Abstract(参考訳): 手続き生成は、様々な目的を達成するためにゲーム設計全体にわたって使われ、他の静的設計に分散、サプライズ、予測不能を注入することで、いくつかのゲームサブジャンルの作成につながった。
情報ゲーム(インフォメーションゲーム)は、プレイヤーが知識を集め、イベントやシステムの理解を深めるミステリーゲームの一種である。
プレイヤーの知識への依存は、スポイラーに弱い上に、再生も難しい。
本稿では,生成システムの結果を理解するためにプレイヤーに挑戦する情報ゲームのサブジャンルである生成法科学ゲームの概念を紹介する。
我々は情報ゲームを導入し、生成法医学がこのアイデアをどう発展させるかを示し、我々が作成した2つのプロトタイプゲームについて報告し、生成法学の研究をプレイヤーとデザイナーの観点から評価する。
関連論文リスト
- GAVEL: Generating Games Via Evolution and Language Models [40.896938709468465]
我々は,Ludiiゲーム記述言語における新規ゲームの生成について検討する。
我々は、コードとして表現されたゲームやメカニクスをインテリジェントに変更し、再結合するモデルを訓練する。
生成されたゲームのサンプルは、Ludiiポータルからオンラインでプレイすることができる。
論文 参考訳(メタデータ) (2024-07-12T16:08:44Z) - Instruction-Driven Game Engines on Large Language Models [60.28620831276439]
IDGEプロジェクトは、大規模な言語モデルが自由形式のゲームルールに従うことを可能にすることで、ゲーム開発を民主化することを目的としている。
我々は、複雑なシナリオに対するモデルの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。
私たちの最初の進歩は、汎用的なカードゲームであるPoker用のIDGEを開発することです。
論文 参考訳(メタデータ) (2024-03-30T08:02:16Z) - E-polis: A serious game for the gamification of sociological surveys [55.2480439325792]
E-polisは、若者の理想的な社会に関する意見を研究するための社会学的調査をゲーミフィケーションする真剣なゲームである。
このゲームは、社会正義や経済発展などの様々なトピックに関するデータを収集したり、市民のエンゲージメントを促進するために使用することができる。
論文 参考訳(メタデータ) (2023-11-01T18:25:13Z) - Evolutionary Tabletop Game Design: A Case Study in the Risk Game [0.1474723404975345]
本研究は、テーブルトップゲームに対するアプローチの拡張を提案し、リスクの変種を生成することによってプロセスを評価する。
我々は、選択したパラメータを進化させる遺伝的アルゴリズムと、ゲームをテストするルールベースのエージェントを用いてこれを達成した。
結果は、より小さなマップを持つオリジナルゲームの新たなバリエーションが作成され、結果としてより短いマッチとなることを示している。
論文 参考訳(メタデータ) (2023-10-30T20:53:26Z) - Towards General Game Representations: Decomposing Games Pixels into
Content and Style [2.570570340104555]
ゲームのピクセル表現を学習することは、複数の下流タスクにまたがる人工知能の恩恵を受けることができる。
本稿では,コンピュータビジョンエンコーダの汎用化について検討する。
我々は、ゲームジャンルに基づく事前学習されたビジョントランスフォーマーエンコーダと分解技術を用いて、個別のコンテンツとスタイルの埋め込みを得る。
論文 参考訳(メタデータ) (2023-07-20T17:53:04Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳(メタデータ) (2022-03-10T02:37:39Z) - 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) - Teach me to play, gamer! Imitative learning in computer games via
linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。
この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文 参考訳(メタデータ) (2021-01-06T21:14:10Z) - DeepCrawl: Deep Reinforcement Learning for Turn-based Strategy Games [137.86426963572214]
Deep CrawlはiOSとAndroid用の完全にプレイ可能なRogueライクなプロトタイプで、すべてのエージェントがDeep Reinforcement Learning (DRL)を使用してトレーニングされたポリシーネットワークによって制御される。
本研究の目的は、近年のDRLの進歩が、ビデオゲームにおける非プレイヤーキャラクターに対する説得力のある行動モデルの開発に有効であるかどうかを理解することである。
論文 参考訳(メタデータ) (2020-12-03T13:53:29Z) - Navigating the Landscape of Multiplayer Games [20.483315340460127]
大規模ゲームの応答グラフにネットワーク測度を適用することで,ゲームのランドスケープを創出できることを示す。
本研究は, 標準ゲームから複雑な経験ゲームまで, 訓練されたエージェント同士のパフォーマンスを計測する領域における知見について述べる。
論文 参考訳(メタデータ) (2020-05-04T16:58:17Z) - Learning to Generate Levels From Nothing [5.2508303190856624]
演奏レベルを設計するジェネレーティブ・プレイング・ネットワークを提案する。
このアルゴリズムは、ゲームのレベルを学習するエージェントと、プレイ可能なレベルの分布を学習するジェネレータの2つの部分で構成されている。
本研究では,2次元ダンジョンクローラゲームにおけるエージェントとレベルジェネレータの訓練により,このフレームワークの能力を示す。
論文 参考訳(メタデータ) (2020-02-12T22:07:23Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。