論文の概要: PlotMap: Automated Layout Design for Building Game Worlds
- arxiv url: http://arxiv.org/abs/2309.15242v1
- Date: Tue, 26 Sep 2023 20:13:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 17:47:27.400276
- Title: PlotMap: Automated Layout Design for Building Game Worlds
- Title(参考訳): PlotMap:ゲームワールド構築のためのレイアウト自動設計
- Authors: Yi Wang, Jieliang Luo, Adam Gaier, Evan Atherton, Hilmar Koch
- Abstract要約: 本稿では,ゲームマップ上の具体的位置を,所定のストーリー(プロット施設)に言及された抽象的位置に自動的に割り当てるシステムを提案する。
意思決定エージェントは、プロット施設を地図と相互の関係を考慮して、物語の制約を最も満たす地図上の場所に移動させる。
本システムでは,画像の画素化,施設位置の実際の値化,自然言語で表現されたストーリー制約など,複数のモードからの入力について検討する。
- 参考スコア(独自算出の注目度): 5.090625554154791
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: World-building, the process of developing both the narrative and physical
world of a game, plays a vital role in the game's experience. Critically
acclaimed independent and AAA video games are praised for strong world
building, with game maps that masterfully intertwine with and elevate the
narrative, captivating players and leaving a lasting impression. However,
designing game maps that support a desired narrative is challenging, as it
requires satisfying complex constraints from various considerations. Most
existing map generation methods focus on considerations about gameplay
mechanics or map topography, while the need to support the story is typically
neglected. As a result, extensive manual adjustment is still required to design
a game world that facilitates particular stories. In this work, we approach
this problem by introducing an extra layer of plot facility layout design that
is independent of the underlying map generation method in a world-building
pipeline. Concretely, we present a system that leverages Reinforcement Learning
(RL) to automatically assign concrete locations on a game map to abstract
locations mentioned in a given story (plot facilities), following spatial
constraints derived from the story. A decision-making agent moves the plot
facilities around, considering their relationship to the map and each other, to
locations on the map that best satisfy the constraints of the story. Our system
considers input from multiple modalities: map images as pixels, facility
locations as real values, and story constraints expressed in natural language.
We develop a method of generating datasets of facility layout tasks, create an
RL environment to train and evaluate RL models, and further analyze the
behaviors of the agents through a group of comprehensive experiments and
ablation studies, aiming to provide insights for RL-based plot facility layout
design.
- Abstract(参考訳): ゲームの物語と物理的世界の両方を開発する過程であるワールドビルディングは、ゲーム体験において重要な役割を果たす。
批判的に賞賛されたインディペンデントゲームとaaaビデオゲームは強力なワールドビルディングで賞賛され、ゲームマップは物語とマスターに干渉し、高揚させ、プレイヤーを魅了し、永続的な印象を残している。
しかし、様々な考察から複雑な制約を満たす必要があるため、所望の物語をサポートするゲームマップの設計は困難である。
既存のマップ生成手法のほとんどはゲームプレイの仕組みやマップの地形について考慮するが、ストーリーをサポートする必要性は通常無視される。
結果として、特定のストーリーを促進するゲーム世界を設計するためには、広範な手動調整が必要である。
本研究では,世界構築パイプラインにおけるマップ生成手法に依存しないプロット配置設計の余分なレイヤを導入することで,この問題に対処する。
具体的には、Reinforcement Learning(RL)を利用して、ゲームマップ上の具体的位置を、与えられたストーリー(プロット施設)に言及された抽象的な場所に自動的に割り当てるシステムを提案する。
意思決定エージェントは、地図と互いとの関係を考慮して、ストーリーの制約を最も満たした地図上の場所へプロット設備を移動させる。
本システムでは,画像をピクセルとして,施設位置を実際の値として,ストーリ制約を自然言語で表現した複数のモダリティから入力する。
施設配置タスクのデータセットを作成し、RLモデルを訓練し評価するためのRL環境を作成し、さらに総合的な実験とアブレーション研究グループを通じてエージェントの挙動を分析し、RLに基づくプロット配置設計の洞察を提供することを目的としている。
関連論文リスト
- 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) - Infusing Commonsense World Models with Graph Knowledge [89.27044249858332]
オープンワールドテキストアドベンチャーゲームにおける物語生成の設定について検討する。
基礎となるゲーム状態のグラフ表現は、接地グラフ表現と自然言語記述とアクションの両方を消費し出力するモデルを訓練するために使用することができる。
論文 参考訳(メタデータ) (2023-01-13T19:58:27Z) - Story Designer: Towards a Mixed-Initiative Tool to Create Narrative
Structures [4.4447051343759965]
本稿では,進化ダンジョンデザイナ(EDD)上に構築された複合開始型共同創造型物語構造ツールであるストーリーデザイナについて述べる。
ストーリーデザイナは、ストーリー・デザイナが物語グラフと呼ばれるグラフ構造に相互接続することで、完全な物語構造を構成するために、ストーリー・デザイナのためのビルディング・ブロックとしてトロープを使用する。
同時に、EDD内で設計されたレベルを物語の構造の制約として使用し、レベル設計と物語の両方に干渉する。
論文 参考訳(メタデータ) (2022-10-11T16:11:32Z) - 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) - 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) - Deep Policy Networks for NPC Behaviors that Adapt to Changing Design
Parameters in Roguelike Games [137.86426963572214]
例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。
複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-12-07T08:47:25Z) - PlotThread: Creating Expressive Storyline Visualizations using
Reinforcement Learning [27.129882090324422]
本稿では,デザイン空間を効率的に探索し,最適なストーリーラインを生成するAIエージェントを訓練するための強化学習フレームワークを提案する。
このフレームワークをベースとしたPlotThreadは、フレキシブルなインタラクションのセットを統合し、ストーリーラインの視覚化を簡単にカスタマイズできるオーサリングツールである。
論文 参考訳(メタデータ) (2020-09-01T06:01:54Z) - Mutual Information Maximization for Robust Plannable Representations [82.83676853746742]
モデルに基づく強化学習のための情報理論表現学習アルゴリズムMIROを提案する。
提案手法は, 邪魔や散らかったシーンの存在下で, 再建目的よりも頑健であることを示す。
論文 参考訳(メタデータ) (2020-05-16T21:58:47Z) - PlotMachines: Outline-Conditioned Generation with Dynamic Plot State
Tracking [128.76063992147016]
PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。
さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
論文 参考訳(メタデータ) (2020-04-30T17:16:31Z) - 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。