論文の概要: Illuminating the Space of Dungeon Maps, Locked-door Missions and Enemy Placement Through MAP-Elites

• arxiv url: http://arxiv.org/abs/2202.09301v1
• Date: Fri, 18 Feb 2022 17:06:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-21 14:50:23.690415
• Title: Illuminating the Space of Dungeon Maps, Locked-door Missions and Enemy Placement Through MAP-Elites
• Title（参考訳）: Map-Elitesによるダンジョンマップ、ロックド・ドア・ミッション、エニミー・プレースメントの空間の照らし方
• Authors: Breno M. F. Viana (1), Leonardo T. Pereira (1), Claudio F. M. Toledo (1) ((1) Universidade de S\~ao Paulo)
• Abstract要約: 本稿ではMAP-Elites集団を組み込んだ進化的ダンジョン発生器の拡張版を紹介する。 我々のダンジョンレベルは、室内に鍵を掛けたミッションや敵がいるかもしれない部屋と区別される。 ミッションの実現性を確保するため、木構造を通してダンジョンをエンコードしました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Procedural Content Generation (PCG) methods are valuable tools to speed up the game development process. Moreover, PCG may also present in games as features, such as the procedural dungeon generation (PDG) in Moonlighter (Digital Sun, 2018). This paper introduces an extended version of an evolutionary dungeon generator by incorporating a MAP-Elites population. Our dungeon levels are discretized with rooms that may have locked-door missions and enemies within them. We encoded the dungeons through a tree structure to ensure the feasibility of missions. We performed computational and user feedback experiments to evaluate our PDG approach. They show that our approach accurately converges almost the whole MAP-Elite population for most executions. Finally, players' feedback indicates that they enjoyed the generated levels, and they could not indicate an algorithm as a level generator.
• Abstract（参考訳）: プロシージャコンテンツ生成(PCG)手法はゲーム開発プロセスの高速化に有用なツールである。 さらに、PCGはMoonlighter(Digital Sun, 2018)のプロシージャダンジョン生成(PDG)のような機能としてゲームに現れることもある。 本稿ではMAP-Elites集団を組み込んだ進化的ダンジョン発生器の拡張版を紹介する。 我々のダンジョンレベルは、室内に鍵を掛けたミッションや敵がいるかもしれない部屋と区別される。 ミッションの実現性を確保するため、木構造を通してダンジョンを符号化しました。 PDGアプローチを評価するために,計算およびユーザフィードバック実験を行った。 これらの結果から,本手法はMAP-エリート人口のほぼ全てを正確に収束させることがわかった。 最後に、プレイヤーのフィードバックは彼らが生成したレベルを楽しんだことを示し、それらはアルゴリズムをレベルジェネレータとして示せなかった。

関連論文リスト

• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)
• Ghost in the Minecraft: Generally Capable Agents for Open-World Environments via Large Language Models with Text-based Knowledge and Memory [97.87093169454431]
  Ghost in the Minecraft (GITM) は、LLM(Large Language Models)とテキストベースの知識と記憶を統合する新しいフレームワークである。 我々は、構造化されたアクションのセットを開発し、LSMを活用してエージェントが実行するアクションプランを生成する。 LLMをベースとしたエージェントは、従来の手法を著しく上回り、成功率+47.5%という顕著な改善を達成している。
  論文  参考訳（メタデータ） (2023-05-25T17:59:49Z)
• 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)
• Long-Term Exploration in Persistent MDPs [68.8204255655161]
  RbExplore (Rollback-Explore) と呼ばれる探査手法を提案する。 本稿では,マルコフ決定過程を永続的に決定する手法であるロールバック・エクスロア (RbExplore) を提案する。 我々は,ペルシャのプリンス・オブ・ペルシャゲームにおいて,報酬やドメイン知識を伴わずに,我々のアルゴリズムを検証した。
  論文  参考訳（メタデータ） (2021-09-21T13:47:04Z)
• Generating Lode Runner Levels by Learning Player Paths with LSTMs [2.199085230546853]
  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。
  論文  参考訳（メタデータ） (2021-07-27T00:48:30Z)
• Dungeon and Platformer Level Blending and Generation using Conditional VAEs [7.919213739992465]
  条件付きVAE(CVAE)は、最近、所望のコンテンツを指定するラベルを使用して変更可能な出力を生成する能力を示した。 CVAEを使用してプラットフォームレベルとダンジョンレベルを生成し、これらのジャンルをブレンドすることで、これらの作業を拡張する。
  論文  参考訳（メタデータ） (2021-06-17T05:46:03Z)
• Rank the Episodes: A Simple Approach for Exploration in Procedurally-Generated Environments [66.80667987347151]
  固有の報酬に基づく方法は、しばしば手続き的に生成された環境で不足する。 RAPIDは、手続き的に生成された環境のためのシンプルで効果的なエピソードレベルの探索方法です。 そこで本手法は,MiniGrid環境,MiniWorldの3D Mazeナビゲーションタスク,MuJoCoタスクのスパースについて実証した。
  論文  参考訳（メタデータ） (2021-01-20T14:22:01Z)
• Illuminating Mario Scenes in the Latent Space of a Generative Adversarial Network [11.055580854275474]
  設計者は,我々のシステムにゲームプレイ対策を規定し,様々なレベルのメカニックで高品質な(プレイ可能な)レベルを抽出する方法を示す。 オンラインユーザスタディでは、自動生成されるレベルの異なるメカニズムが、認識される困難さと外観の主観的評価にどのように影響するかが示されている。
  論文  参考訳（メタデータ） (2020-07-11T03:38:06Z)
• 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)
• 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)

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。