論文の概要: Software Engineering For Automated Game Design
- arxiv url: http://arxiv.org/abs/2004.01770v1
- Date: Fri, 3 Apr 2020 20:56:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 04:54:32.388297
- Title: Software Engineering For Automated Game Design
- Title(参考訳): 自動ゲーム設計のためのソフトウェア工学
- Authors: Michael Cook
- Abstract要約: 自動ゲームデザインシステムのゲーム理解能力に対するソフトウェア工学的意思決定の影響について検討する。
ゲーム開発者が自動ゲームデザイナから完全に恩恵を受けるためには,ソフトウェアエンジニアリングに対する新たなアプローチが必要だ,と我々は主張する。
- 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: As we develop more assistive and automated game design systems, the question
of how these systems should be integrated into game development workflows, and
how much adaptation may be required, becomes increasingly important. In this
paper we explore the impact of software engineering decisions on the ability of
an automated game design system to understand a game's codebase, generate new
game code, and evaluate its work. We argue that a new approach to software
engineering may be required in order for game developers to fully benefit from
automated game designers.
- Abstract(参考訳): より補助的かつ自動化されたゲームデザインシステムを開発するにつれて、これらのシステムがゲーム開発ワークフローにどのように統合されるべきか、どの程度の適応が必要かという疑問がますます重要になる。
本稿では,ゲームのコードベースを理解し,新たなゲームコードを生成し,その動作を評価する自動ゲームデザインシステムに対するソフトウェアエンジニアリング決定の影響について検討する。
ゲーム開発者が自動ゲームデザイナから完全に恩恵を受けるためには,ソフトウェアエンジニアリングに対する新たなアプローチが必要だ,と我々は主張する。
関連論文リスト
- BDD-Based Framework with RL Integration: An approach for videogames
automated testing [0.0]
ビデオゲームのテストは、従来のソフトウェア開発のプラクティスとは異なる。
振る舞い駆動開発(BDD)と強化学習(RL)の統合を提案する。
論文 参考訳(メタデータ) (2023-10-08T20:05:29Z) - A Controllable Co-Creative Agent for Game System Design [9.356870107137093]
状態マシンライクなコンポーネントとリソースフローを用いたゲームモデルを提案する。
このシステムは、幅広いゲームを表現することができ、将来の共同制作アプリケーションに対して人間による制御が可能であることに気付きました。
論文 参考訳(メタデータ) (2023-08-04T13:34:51Z) - Technical Challenges of Deploying Reinforcement Learning Agents for Game
Testing in AAA Games [58.720142291102135]
本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。
ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。
我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
論文 参考訳(メタデータ) (2023-07-19T18:19:23Z) - Communicative Agents for Software Development [79.86905471184195]
ChatDevはチャットを利用した仮想ソフトウェア開発会社で、確立したウォーターフォールモデルを反映している。
各ステージは、プログラマ、コードレビュアー、テストエンジニアといった"ソフトウェアエージェント"のチームが参加し、協調的な対話を促進する。
ChatDevは潜在的な脆弱性を特定し、信頼できる効率とコスト効率を維持しながら幻覚を正す。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - 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) - Design-Driven Requirements for Computationally Co-Creative Game AI
Design Tools [6.719205507619887]
ゲームAIデザイナの目標やそのようなツールに対する期待を分類し分析する参加型デザイン研究を提案する。
我々は,ゲームAI設計と共同創造ツールの設計との深いつながりと,今後の共同創造ツールの研究・開発への示唆を明らかにする。
論文 参考訳(メタデータ) (2021-07-29T04:14:53Z) - Adversarial Random Forest Classifier for Automated Game Design [1.590611306750623]
本稿では,自律型ゲームデザインのための人間ライクなフィットネス関数を,対角的に学習しようとする実験について述べる。
我々の実験は我々の期待に届かなかったが、今後の自律型ゲームデザイン研究に影響を及ぼすことを期待するシステムと結果について分析した。
論文 参考訳(メタデータ) (2021-07-26T22:30:38Z) - Applied Machine Learning for Games: A Graduate School Course [0.0]
本稿では,近年の深層学習と強化学習をゲームに応用することに関心を持つ大学院生を対象とした機械学習コースについて述べる。
このコースに入学した学生は、コンピュータビジョン、自然言語処理、コンピュータグラフィックス、人間のコンピュータインタラクション、ロボット工学、データ分析など、さまざまな機械学習技術を適用して、ゲームにおけるオープンな課題を解決する。
論文 参考訳(メタデータ) (2020-11-30T05:46:14Z) - A Reference Software Architecture for Social Robots [64.86618385090416]
我々は社会ロボットが恩恵を受けるかもしれない一連の原則を提案する。
これらの原則は、社会ロボットのためのリファレンスソフトウェアアーキテクチャの設計の基礎にもなっている。
論文 参考訳(メタデータ) (2020-07-09T17:03:21Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳(メタデータ) (2020-05-27T11:56:56Z)
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。