論文の概要: Exploring open-ended gameplay features with Micro RollerCoaster Tycoon
- arxiv url: http://arxiv.org/abs/2105.04342v1
- Date: Mon, 10 May 2021 13:19:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 14:59:42.352618
- Title: Exploring open-ended gameplay features with Micro RollerCoaster Tycoon
- Title（参考訳）: Micro RollerCoaster Tycoonによるオープンエンドゲームプレイ機能の探索
- Authors: Michael Cerny Green, Victoria Yen, Sam Earle, Dipika Rajesh, Maria
Edwards, L. B. Soros
- Abstract要約: 本論文では、テーマパークサンドボックスゲームRollerCoaster Tycoonにインスパイアされた新しいオープンソースシミュレータであるMicroRCTを紹介する。
MicroRCTの目標は、公園のゲストから得られる利益を最大化するために、遊園地に乗り物や店を置くことです。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces MicroRCT, a novel open source simulator inspired by the
theme park sandbox game RollerCoaster Tycoon. The goal in MicroRCT is to place
rides and shops in an amusement park to maximize profit earned from park
guests. Thus, the challenges for game AI include both selecting high-earning
attractions and placing them in locations that are convenient to guests. In
this paper, the MAP-Elites algorithm is used to generate a diversity of park
layouts, exploring two theoretical questions about evolutionary algorithms and
game design: 1) Is there a benefit to starting from a minimal starting point
for evolution and complexifying incrementally? and 2) What are the effects of
resource limitations on creativity and optimization? Results indicate that
building from scratch with no costs results in the widest diversity of
high-performing designs.
- Abstract（参考訳）: 本稿では,テーマパークのサンドボックスゲームRollerCoaster Tycoonに触発された,新しいオープンソースシミュレータMicroRCTを紹介する。
MicroRCTの目標は、公園の客から得られる利益を最大化するために、遊園地で乗車や買い物をすることです。
したがって、ゲームAIの課題は、ハイアーニングアトラクションを選択し、ゲストにとって便利な場所に配置することである。
本稿では、MAP-Elitesアルゴリズムを用いて、進化アルゴリズムとゲームデザインに関する2つの理論的疑問を探索し、公園レイアウトの多様性を生成する。
2)資源制限が創造性と最適化に及ぼす影響は何か。
その結果, コストを伴わずにスクラッチから構築すると, 高い性能を有する設計の多様性が最も大きいことが示唆された。
関連論文リスト
- Auto MC-Reward: Automated Dense Reward Design with Large Language Models for Minecraft [88.80684763462384]
本稿では,Large Language Models (LLMs) を利用して高密度報酬関数を自動設計する,Auto MC-Rewardという高度な学習システムを提案する。
実験では、Minecraftの複雑なタスクにおいて、エージェントの成功率と学習効率が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2023-12-14T18:58:12Z) - 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) - PlotMap: Automated Layout Design for Building Game Worlds [4.74497343690049]
本稿では,世界構築パイプラインにおけるマップ生成手法とは無関係なプロット設備レイアウト設計の余分なレイヤを導入する。
本稿では、CMA-ESによる進化的計算に基づくアプローチと強化学習(RL)に基づくアプローチの2つの方法を提案する。
施設配置タスクのデータセットを生成し,異なる手法を実験・評価するためのジムのような環境を作成し,さらに総合的な実験によって2つの手法を解析する手法を開発した。
論文 参考訳（メタデータ） (2023-09-26T20:13:10Z) - Generating Redstone Style Cities in Minecraft [7.047846528263768]
本稿では,2023年度マインクラフト開発コンペティションコンペティション(Minecraft Settlement Generation Competition for Minecraft)のエントリーとして提出された都市ジェネレータについて紹介する。
生成手順は、植生の除去、地形の変更、建築レイアウトの生成、ルート計画、街灯配置、壁建設の6つの主要なステップで構成されている。
論文 参考訳（メタデータ） (2023-07-19T06:36:01Z) - 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) - Go-Explore Complex 3D Game Environments for Automated Reachability
Testing [4.322647881761983]
本稿では,強力な探索アルゴリズムであるGo-Exploreに基づいて,シミュレーションされた3次元環境における到達性バグを対象とするアプローチを提案する。
Go-Exploreはマップ全体でユニークなチェックポイントを保存し、そこから探索する有望なチェックポイントを特定する。
我々のアルゴリズムは1台のマシンで10時間以内に1.5km x 1.5kmのゲーム世界を完全にカバーできる。
論文 参考訳（メタデータ） (2022-09-01T16:31:37Z) - 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) - 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) - Using Tabu Search Algorithm for Map Generation in the Terra Mystica
Tabletop Game [60.71662712899962]
Tabu Search (TS)メタヒューリスティックは、アルゴリズムが局所最適点から逃れることによって、単純な局所探索アルゴリズムを改善する。
本稿では,TSの性能について検討し,タブリストのサイズと周辺地域のサイズが手続き的コンテンツ生成に与える影響について考察する。
論文 参考訳（メタデータ） (2020-06-04T09:15:46Z) - Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。
限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。
私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文 参考訳（メタデータ） (2020-02-24T20:30:38Z) - Offline Grid-Based Coverage path planning for guards in games [0.0]
本稿では,2次元多角形(穴のある)領域をカバーする新しいアルゴリズムを提案する。
単純なレイアウトから、実際のゲームで使用されるより複雑なマップまで、いくつかのシナリオに関する実験的分析は、優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2020-01-15T18:28:27Z)
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。