論文の概要: Generating Redstone Style Cities in Minecraft
- arxiv url: http://arxiv.org/abs/2307.09777v1
- Date: Wed, 19 Jul 2023 06:36:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-20 15:18:58.373507
- Title: Generating Redstone Style Cities in Minecraft
- Title(参考訳): マインクラフトのレッドストーン型都市づくり
- Authors: Shuo Huang, Chengpeng Hu, Julian Togelius, Jialin Liu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 7.047846528263768
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Procedurally generating cities in Minecraft provides players more diverse
scenarios and could help understand and improve the design of cities in other
digital worlds and the real world. This paper presents a city generator that
was submitted as an entry to the 2023 Edition of Minecraft Settlement
Generation Competition for Minecraft. The generation procedure is composed of
six main steps, namely vegetation clearing, terrain reshaping, building layout
generation, route planning, streetlight placement, and wall construction. Three
algorithms, including a heuristic-based algorithm, an evolving layout
algorithm, and a random one are applied to generate the building layout, thus
determining where to place different redstone style buildings, and tested by
generating cities on random maps in limited time. Experimental results show
that the heuristic-based algorithm is capable of finding an acceptable building
layout faster for flat maps, while the evolving layout algorithm performs
better in evolving layout for rugged maps. A user study is conducted to compare
our generator with outstanding entries of the competition's 2022 edition using
the competition's evaluation criteria and shows that our generator performs
well in the adaptation and functionality criteria
- Abstract(参考訳): Minecraftで手続き的に都市を生成することで、プレイヤーはより多様なシナリオを提供し、他のデジタル世界や現実世界の都市の設計を理解し改善することができる。
本稿では,2023年版Minecraft収量生成コンペティション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述べる。
生成手順は、植生浄化、地形再構成、建築レイアウト生成、道路計画、街灯配置、壁建設の6つの主要なステップから構成されている。
ヒューリスティックなアルゴリズム、進化するレイアウトアルゴリズム、ランダムなアルゴリズムを含む3つのアルゴリズムを適用して、建物レイアウトを生成し、異なるレッドストーンスタイルの建物をどこに配置するかを決定し、ランダムな地図上に都市を生成することでテストする。
実験の結果、ヒューリスティックに基づくアルゴリズムはフラットマップの許容可能なレイアウトをより早く見つけることができ、一方、進化するレイアウトアルゴリズムは頑丈なマップのレイアウトを進化させるのに優れていることがわかった。
コンペティション評価基準を用いて,コンペティション2022版において,ジェネレータと優れたコンペティションを比較検討した。
関連論文リスト
- CityGen: Infinite and Controllable 3D City Layout Generation [26.1563802843242]
CityGenは、無限で多様性があり、制御可能な3D都市レイアウト生成のための新しいエンドツーエンドフレームワークである。
CityGenは、FIDおよびKIDの下での最先端のSOTA(State-of-the-art)のパフォーマンスを達成し、無限に制御可能な3D都市レイアウトを生成する。
論文 参考訳(メタデータ) (2023-12-03T21:16:37Z) - CityDreamer: Compositional Generative Model of Unbounded 3D Cities [48.289620356556185]
本研究では,3次元都市を対象とした合成モデルであるCityDreamerを提案する。
我々は2つのデータセット、OSMとGoogleEarthを構築し、膨大な量の現実世界の都市画像を含む。
CityDreamerは、さまざまな生活スタイルの3D都市を創造する最先端の手法よりも優れていることを証明している。
論文 参考訳(メタデータ) (2023-09-01T17:57:02Z) - GlobalMapper: Arbitrary-Shaped Urban Layout Generation [1.5076964620370268]
建物のレイアウトは、道路のネットワークによって定義される都市ブロック内の建物のセットで構成されています。
本稿では,グラフアテンションネットワークを用いたレイアウト生成のための完全自動手法を提案する。
ユーザスタディを含む本研究の結果は,従来のレイアウト生成ネットワークと比較して優れた性能を示した。
論文 参考訳(メタデータ) (2023-07-19T00:36:05Z) - Evolving Flying Machines in Minecraft Using Quality Diversity [62.997667081978825]
EvoCraftはMinecraftで構造を生成するためのAPIである。
本稿では、飛行機械を進化させるために、フィットネスベースの進化と品質ベースの多様性探索を適用する。
論文 参考訳(メタデータ) (2023-02-01T22:25:28Z) - Human-instructed Deep Hierarchical Generative Learning for Automated
Urban Planning [57.91323079939641]
我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。
最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。
第2の段階は、都市機能投影を形成するための計画要件を理解することである。
第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
論文 参考訳(メタデータ) (2022-12-01T23:06:41Z) - Automated Isovist Computation for Minecraft [0.0]
アーキテクチャのアイデア,すなわちアイソビストと空間構文をモチベーションとした,新しい自動メトリクスセットを開発する。
これらのメトリクスは、プレイヤーの観点から特定のゲーム状態に対して計算され、ゲームの世界における彼らの体格を考慮に入れられる。
私たちはこれらのメトリクスをMinecraftの3Dブロックワールドに適用する方法を示します。
論文 参考訳(メタデータ) (2022-04-07T21:41:06Z) - Systematic Comparison of Path Planning Algorithms using PathBench [55.335463666037086]
パスプランニングはモバイルロボティクスの重要な構成要素である。
学習に基づく経路計画アルゴリズムの開発は、急速な成長を遂げている。
本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
論文 参考訳(メタデータ) (2022-03-07T01:52:57Z) - 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) - The AI Settlement Generation Challenge in Minecraft: First Year Report [3.95455071858062]
この記事では、MinecraftでAI決済生成コンペティション初年度から学んだことを概説する。
この課題は、適応的および全体的な手続き的コンテンツ生成に研究を集中することを目指している。
論文 参考訳(メタデータ) (2021-03-27T17:27:05Z) - 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) - 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。