Fugu-MT 論文翻訳(概要): Generating Lode Runner Levels by Learning Player Paths with LSTMs

論文の概要: Generating Lode Runner Levels by Learning Player Paths with LSTMs

arxiv url: http://arxiv.org/abs/2107.12532v1
Date: Tue, 27 Jul 2021 00:48:30 GMT
ステータス: 処理完了
システム内更新日: 2021-07-28 14:36:09.296962
Title: Generating Lode Runner Levels by Learning Player Paths with LSTMs
Title（参考訳）: LSTMを用いた学習者パスによるロードランナーレベルの生成
Authors: Kynan Sorochan, Jerry Chen, Yakun Yu, and Matthew Guzdial
Abstract要約: 本稿では,人間的な経路を学習し,その経路に基づいてレベルを生成することによって,課題に対処しようとする。ゲームプレイビデオからプレーヤパスデータを抽出し、LSTMをトレーニングし、このデータに基づいて新たなパスを生成し、このパスデータに基づいてゲームレベルを生成する。我々は,既存のPCGMLアプローチと比較して,ゲームLode Runnerのコヒーレントなレベルが向上することが実証された。
参考スコア（独自算出の注目度）: 2.199085230546853
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Machine learning has been a popular tool in many different fields, including procedural content generation. However, procedural content generation via machine learning (PCGML) approaches can struggle with controllability and coherence. In this paper, we attempt to address these problems by learning to generate human-like paths, and then generating levels based on these paths. We extract player path data from gameplay video, train an LSTM to generate new paths based on this data, and then generate game levels based on this path data. We demonstrate that our approach leads to more coherent levels for the game Lode Runner in comparison to an existing PCGML approach.
Abstract（参考訳）: 機械学習は、手続き的コンテンツ生成など、さまざまな分野で人気があるツールだ。しかし、機械学習(PCGML)アプローチによる手続き的コンテンツ生成は、制御性と一貫性に苦慮する可能性がある。本稿では,人間的な経路を学習し,その経路に基づいてレベルを生成することによって,これらの問題に対処しようとする。ゲームプレイ映像からプレイヤーパスデータを抽出し、LSTMをトレーニングし、このデータに基づいて新たなパスを生成し、このパスデータに基づいてゲームレベルを生成する。我々は,既存のPCGMLアプローチと比較して,ゲームLode Runnerのコヒーレントなレベルが向上することが実証された。

関連論文リスト

Online Context Learning for Socially-compliant Navigation [49.609656402450746]
本文では,ロボットが新たな社会環境に適応できるようにするための,オンラインコンテキスト学習手法を紹介する。コミュニティワイドシミュレータを用いた実験により,本手法は最先端のシミュレータよりも優れていることが示された。
論文参考訳（メタデータ） (2024-06-17T12:59:13Z)
Can LLMs Generate Human-Like Wayfinding Instructions? Towards Platform-Agnostic Embodied Instruction Synthesis [51.04181562775778]
本稿では,ロボットエージェントの「ウェイフィンディング指示」を自動的に合成する手法を提案する。提案アルゴリズムは,LLMの条件付けにコンテキスト内学習を用い,わずかな参照を用いて命令を生成する。我々は,Matterport3D,AI Habitat,ThreeDWorldなど,複数のシミュレーションプラットフォームにアプローチを実装した。
論文参考訳（メタデータ） (2024-03-18T05:38:07Z)
Backward Lens: Projecting Language Model Gradients into the Vocabulary Space [94.85922991881242]
勾配行列は、その前方および後方の入力の低ランク線形結合としてキャスト可能であることを示す。次に、これらの勾配を語彙項目に投影する手法を開発し、新しい情報がLMのニューロンにどのように格納されているかのメカニズムを探索する。
論文参考訳（メタデータ） (2024-02-20T09:57:08Z)
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)
Learning Vision-and-Language Navigation from YouTube Videos [89.1919348607439]
視覚言語ナビゲーション(VLN)は、自然言語命令を用いて現実的な3D環境をナビゲートするために、具体化されたエージェントを必要とする。 YouTubeには大量のハウスツアービデオがあり、豊富なナビゲーション体験とレイアウト情報を提供している。住宅ツアービデオから合理的な経路指示ペアとエージェントを事前訓練した大規模データセットを作成する。
論文参考訳（メタデータ） (2023-07-22T05:26:50Z)
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)
Persona-driven Dominant/Submissive Map (PDSM) Generation for Tutorials [5.791285538179053]
本稿では,自動ペルソナ駆動型ビデオゲームチュートリアルレベル生成手法を提案する。手続き的ペルソナを用いて進化するレベルの行動特性を計算する。この研究の中で、生成された地図は、異なるペルソナのような振る舞いを強く促したり、妨げたりする可能性があることを示す。
論文参考訳（メタデータ） (2022-04-11T16:01:48Z)
Toward Co-creative Dungeon Generation via Transfer Learning [1.590611306750623]
機械学習による共同制作の手続き的コンテンツ生成(PCGML)は、PCGMLエージェントと人間が協調して出力コンテンツを生成するシステムを指す。共同創造型PCGMLの限界の1つは、PCGMLエージェントが人間と対話することを学ぶために、共同創造型トレーニングデータが必要であることである。本稿では,人間とAIのインタラクションデータの近似と移動学習を用いて,学習した共創造的知識をゲームから別のゲームに適応させる手法を提案する。
論文参考訳（メタデータ） (2021-07-27T00:54:55Z)
Ensemble Learning For Mega Man Level Generation [2.6402344419230697]
マルコフ連鎖のアンサンブルを用いて, EmphMega Man レベルをプロシージャ的に生成する方法について検討した。我々は,既存のマルコフ連鎖アプローチと比較し,演奏性およびスタイル的類似度の評価を行った。
論文参考訳（メタデータ） (2021-07-27T00:16:23Z)
Exploring Level Blending across Platformers via Paths and Affordances [5.019592823495709]
複数のドメインにまたがる新しいゲームコンテンツを作成するための新しいPCGMLアプローチを提案する。 6つの異なるプラットフォームゲームからデータをエンコードし、このデータに基づいて変分オートエンコーダを訓練するために、新しい価格とパス語彙を使用します。
論文参考訳（メタデータ） (2020-08-22T16:43:25Z)
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。