論文の概要: Co-generation of game levels and game-playing agents
- arxiv url: http://arxiv.org/abs/2007.08497v2
- Date: Fri, 28 Aug 2020 15:23:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 22:41:05.424212
- Title: Co-generation of game levels and game-playing agents
- Title（参考訳）: ゲームレベルとゲームプレイエージェントのコジェネレーション
- Authors: Aaron Dharna, Julian Togelius, L. B. Soros
- Abstract要約: 本稿では, PoET-Inspired Neuroevolutionary System for Kreativity (PINSKY) をゲームで紹介する。
その結果,PINSKYがゲームレベルのカリキュラムを生成できることが示され,コンテンツ生成と人工生活の交差点における研究の新たな道が開かれた。
- 参考スコア（独自算出の注目度）: 4.4447051343759965
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-endedness, primarily studied in the context of artificial life, is the
ability of systems to generate potentially unbounded ontologies of increasing
novelty and complexity. Engineering generative systems displaying at least some
degree of this ability is a goal with clear applications to procedural content
generation in games. The Paired Open-Ended Trailblazer (POET) algorithm,
heretofore explored only in a biped walking domain, is a coevolutionary system
that simultaneously generates environments and agents that can solve them. This
paper introduces a POET-Inspired Neuroevolutionary System for KreativitY
(PINSKY) in games, which co-generates levels for multiple video games and
agents that play them. This system leverages the General Video Game Artificial
Intelligence (GVGAI) framework to enable co-generation of levels and agents for
the 2D Atari-style games Zelda and Solar Fox. Results demonstrate the ability
of PINSKY to generate curricula of game levels, opening up a promising new
avenue for research at the intersection of procedural content generation and
artificial life. At the same time, results in these challenging game domains
highlight the limitations of the current algorithm and opportunities for
improvement.
- Abstract（参考訳）: オープン・エンドネスは、主に人工生命の文脈で研究され、新奇性や複雑さを増大させる潜在的に有界なオントロジーを生成するシステムの能力である。
少なくともある程度の能力を示すエンジニアリング生成システムは、ゲームにおける手続き的コンテンツ生成への明確な応用の目標である。
2足歩行ドメインでのみ探索されるペア付きopen-ended trailblazer(poet)アルゴリズムは、それらを解決する環境とエージェントを同時に生成する共進化システムである。
本稿では,複数のゲームやエージェントのレベルを同時生成するPET-Inspired Neuroevolutionary System for KreativitY(PINSKY)をゲームに導入する。
このシステムは、General Video Game Artificial Intelligence(GVGAI)フレームワークを利用して、2D Atariスタイルのゲームであるゼルダとソーラーフォックスのレベルとエージェントのコジェネレーションを可能にする。
その結果、PINSKYがゲームレベルのカリキュラムを生成できることが示され、プロシージャコンテンツ生成と人工生活の交差点における研究の新たな道が開かれた。
同時に、これらの挑戦的なゲーム領域の結果は、現在のアルゴリズムの限界と改善の機会を強調している。
関連論文リスト
- Unbounded: A Generative Infinite Game of Character Life Simulation [68.37260000219479]
生成モデルを用いて,有限なハードコードシステムの境界を超越したゲームである生成無限ゲームの概念を導入する。
我々は、生成AIの最近の進歩を活用して、生成モデルに完全にカプセル化されたキャラクターライフシミュレーションゲームUnboundedを作成する。
論文 参考訳（メタデータ） (2024-10-24T17:59:31Z) - Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。
本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
論文 参考訳（メタデータ） (2024-01-10T12:56:24Z) - Meta-Diversity Search in Complex Systems, A Recipe for Artificial
Open-Endedness ? [0.0]
この記事では、Minecraftにおける新しい複雑なアーティファクトの終わりのない世代のための、いくつかの機能的な材料であると考えられるものを紹介します。
我々は,レニア連続セルオートマトンを用いた人工的な「化学」システムをシミュレートし,人工的な「発見アシスタント」(ホームズと呼ばれる)を人工的に生成する。
論文 参考訳（メタデータ） (2023-12-01T09:40:27Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Playing a 2D Game Indefinitely using NEAT and Reinforcement Learning [0.0]
アルゴリズムの性能は、アルゴリズムが入力される環境において、アルゴリズムに従って振る舞う人工エージェントを用いて比較することができる。
人工エージェントに適用されるアルゴリズムはNeuroEvolution of Augmenting Topologies (NEAT)とReinforcement Learningである。
論文 参考訳（メタデータ） (2022-07-28T15:01:26Z) - Procedural Content Generation using Neuroevolution and Novelty Search
for Diverse Video Game Levels [2.320417845168326]
手続き的に生成されたビデオゲームコンテンツは、ゲーム開発者や大手スタジオのコンテンツ制作予算を大幅に削減する可能性がある。
しかし、採用の妨げとなるのは、遅い生成や品質の低下、コンテンツの多様性といった制限だ。
進化的探索に基づく進化的探索手法を導入し,様々なレベルをリアルタイムでプロシージャ的に生成する手法を提案する。
論文 参考訳（メタデータ） (2022-04-14T12:54:32Z) - Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。
品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。
その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
論文 参考訳（メタデータ） (2021-04-17T20:33:24Z) - Deep Policy Networks for NPC Behaviors that Adapt to Changing Design
Parameters in Roguelike Games [137.86426963572214]
例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。
複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-12-07T08:47:25Z) - Interactive Evolution and Exploration Within Latent Level-Design Space
of Generative Adversarial Networks [8.091708140619946]
潜在変数進化(LVE)は、最近ゲームレベルに適用されている。
本稿では,ゲーム用タイルベースレベルのインタラクティブなLVEツールを提案する。
このツールは、潜伏次元の直接探索も可能で、ユーザーは発見レベルをプレイできる。
論文 参考訳（メタデータ） (2020-03-31T22:52:17Z) - 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) - Neural MMO v1.3: A Massively Multiagent Game Environment for Training
and Evaluating Neural Networks [48.5733173329785]
本稿では,MMOにインスパイアされたマルチエージェントゲーム環境であるNeural MMOを紹介する。
分散インフラストラクチャとゲームIOという,AI研究のためのマルチエージェントシステムエンジニアリングにおける,より一般的な2つの課題について論じる。
論文 参考訳（メタデータ） (2020-01-31T18:50:02Z)
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。