論文の概要: Believable Minecraft Settlements by Means of Decentralised Iterative
Planning
- arxiv url: http://arxiv.org/abs/2309.10871v1
- Date: Tue, 19 Sep 2023 18:32:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 18:03:09.489950
- Title: Believable Minecraft Settlements by Means of Decentralised Iterative
Planning
- Title(参考訳): 分散型反復計画によるマインクラフト集落の再生
- Authors: Arthur van der Staaij, Jelmer Prins, Vincent L. Prins, Julian Poelsma,
Thera Smit, Matthias M\"uller-Brockhausen, Mike Preuss
- Abstract要約: 我々の手法は2022年にマインクラフトのジェネレーティブ・ソリメント・デザイン(GDMC)で優勝した。
これは、分権的かつ反復的な計画プロセスを通じて達成され、同様に「有機的」なコンテンツを手続き的に生成することを目的としている。
- 参考スコア(独自算出の注目度): 1.0225653612678713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Procedural city generation that focuses on believability and adaptability to
random terrain is a difficult challenge in the field of Procedural Content
Generation (PCG). Dozens of researchers compete for a realistic approach in
challenges such as the Generative Settlement Design in Minecraft (GDMC), in
which our method has won the 2022 competition. This was achieved through a
decentralised, iterative planning process that is transferable to similar
generation processes that aims to produce "organic" content procedurally.
- Abstract(参考訳): プロシージャコンテンツ生成 (PCG) 分野において, ランダムな地形に対する信頼性と適応性に着目した手続き型都市生成は難しい課題である。
2022年のコンペティションで優勝したマインクラフト(gdmc)のジェネレーティブな決済デザインのような課題では、数十人の研究者が現実的なアプローチを競い合っている。
これは分散的で反復的な計画プロセスによって実現され、同様の生成プロセスに移行可能で、手続き的に"有機的"なコンテンツを生成することを目的としている。
関連論文リスト
- MakeAnything: Harnessing Diffusion Transformers for Multi-Domain Procedural Sequence Generation [20.96801850521772]
MakeAnythingは拡散トランスフォーマー(DIT)に基づくフレームワークで、細調整を利用して、一貫した手続きシーケンスを生成するためにDITのコンテキスト内機能を活性化する。
また、画像生成のための非対称低ランク適応(LoRA)を導入し、デコーダ層を適応的に調整しながらパラメータを凍結することで、タスク固有性能を一般化する。
論文 参考訳(メタデータ) (2025-02-03T17:55:30Z) - Procedural terrain generation with style transfer [0.0]
本稿では,プロシージャ生成とニューラルスタイル転送を組み合わせた地形図作成手法を提案する。
このアルゴリズム生成とニューラルプロセッシングの融合は、多様なだけでなく、現実世界の風景の形態的特性と密接に整合した地形を作り出す可能性を秘めている。
論文 参考訳(メタデータ) (2024-01-28T14:22:27Z) - Exploring Minecraft Settlement Generators with Generative Shift Analysis [1.591012510488751]
我々は,PCGパイプラインにおける個々のステージの影響を評価するための新しい手法を提案し,既存のアーティファクトに適用した場合に生成プロセスが与える影響を定量化する。
本手法は, Minecraftコンペティション(GDMC)の一環として開発された, 代替居留地生成装置の集合によって生成されるMinecraftゲームマップの, 非常に豊富なデータセットに適用することによって検討する。
これは、この手法の早期探索であるが、PCG評価に適用するための有望なレンズであることが分かり、我々は、生成シフトがドメインに依存しない評価方法である可能性について楽観的である。
論文 参考訳(メタデータ) (2023-09-11T10:48:42Z) - Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。
具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。
判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
論文 参考訳(メタデータ) (2023-01-16T09:54:02Z) - ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。
ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
論文 参考訳(メタデータ) (2022-06-14T17:09:35Z) - Removing Operational Friction Using Process Mining: Challenges Provided
by the Internet of Production (IoP) [0.0]
今日の運用プロセスによって生成されたイベントデータは、プロセスマイニングの機会と課題を提供します。
プロセスマイニングは、様々な運用プロセスを改善するために"デジタルシャドー"を作成するために使用されます。
我々は、運用上の摩擦を取り除くために使用できる価値ある「デジタル影」を開発することを目指している。
論文 参考訳(メタデータ) (2021-07-27T20:04:25Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳(メタデータ) (2021-03-31T00:05:54Z) - 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) - The MineRL 2020 Competition on Sample Efficient Reinforcement Learning
using Human Priors [62.9301667732188]
我々は,MineRLコンペティションの第2イテレーションを提案する。
競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。
コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。
各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
論文 参考訳(メタデータ) (2021-01-26T20:32:30Z) - Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。
本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。
我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文 参考訳(メタデータ) (2020-08-13T10:33:10Z) - Deep Dense and Convolutional Autoencoders for Unsupervised Anomaly
Detection in Machine Condition Sounds [55.18259748448095]
本報告では,DCASE 2020 チャレンジの第2タスクのために開発された2つの手法について述べる。
この課題には、異常音を検出する教師なしの学習が含まれており、トレーニングプロセス中に通常の機械作業条件サンプルのみが利用可能である。
この2つの手法は、メルスペクトグラム処理された音響特徴を用いた密集的および畳み込み的アーキテクチャに基づくディープオートエンコーダを含む。
論文 参考訳(メタデータ) (2020-06-18T10:49:49Z)
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。