論文の概要: Procedural Generation of First Person Shooter Maps using Map-Elites

• arxiv url: http://arxiv.org/abs/2605.30570v1
• Date: Thu, 28 May 2026 21:02:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.231661
• Title: Procedural Generation of First Person Shooter Maps using Map-Elites
• Title（参考訳）: 地図エリートを用いた一人称シューターマップの手続き生成
• Authors: Simone de Donato, Pier Luca Lanzi, Daniele Loiacono,
• Abstract要約: 本稿では,MAP-ElitesのFPSゲームの設計レベルへの適用について検討する。 本稿では、よく知られた2つの品質マップ表現について考察し、FPSマップの特性を改善する2つの新しい表現を紹介した。 以上の結果から,新しい表現はFPSマップの進化に使われた表現よりも,多様性と品質の高いマップを生成することが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 2.1851064413562855
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We investigate the application of MAP-Elites (a well-known quality diversity algorithm) to design levels for First-Person Shooter (FPS) games. We consider two well-known map representations (All-Black and Grid-Graph) and introduce two novel representations (Point-Line and Spatial-Layout) that improve the characterization of FPS maps. We define a series of metrics to describe maps' topological properties (which solely depend on maps' layout), and emergent properties (which must be evaluated through actual gameplay). We perform an in-depth analysis to identify the most suitable features to guide MAP-Elites illumination process. We apply MAP-Elites with Sliding Boundaries (MESB) to evolve populations of FPS maps. Our results show that the new representations can generate maps with higher diversity and quality than the representations previously used for evolving FPS maps.
• Abstract（参考訳）: 本研究では,Person Shooter (FPS) ゲームの設計レベルに対するMAP-Elites (よく知られた品質多様性アルゴリズム) の適用について検討する。 我々は、よく知られた2つの地図表現(All-BlackとGrid-Graph)を考察し、FPSマップの特性を改善する2つの新しい表現(Point-LineとSpatial-Layout)を導入する。 地図のトポロジ的特性(地図のレイアウトにのみ依存する)と創発的特性(実際のゲームプレイで評価する必要がある)を記述するための一連のメトリクスを定義する。 我々は,MAP-Elites照明プロセスの導出に最も適した特徴を特定するために,詳細な解析を行う。 FPS マップの人口増加に MAP-Elites with Sliding Boundaries (MESB) を適用した。 以上の結果から,新しい表現はFPSマップの進化に使われた表現よりも,多様性と品質の高いマップを生成することが可能であることが示唆された。

関連論文リスト

• TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
  我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。 我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。 レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
  論文  参考訳（メタデータ） (2024-11-22T06:13:42Z)
• ScalableMap: Scalable Map Learning for Online Long-Range Vectorized HD Map Construction [42.874195888422584]
  オンライン長範囲ベクトル化ハイデフィニション(HD)マップ構築のための,オンボードカメラセンサを用いた新しいエンドツーエンドパイプラインを提案する。 地図要素の特性を利用して地図構築の性能を向上させる。
  論文  参考訳（メタデータ） (2023-10-20T09:46:24Z)
• GAN-Based Content Generation of Maps for Strategy Games [0.0]
  本稿では,GAN(Generative Adversarial Networks)に基づく地図生成モデルを提案する。 実装では、ハイトマップのデータセット上で、GANベースのネットワークのさまざまな変種をテストした。
  論文  参考訳（メタデータ） (2023-01-07T15:24:25Z)
• VectorMapNet: End-to-end Vectorized HD Map Learning [18.451587680552464]
  本稿では,VectorMapNetと呼ばれるエンドツーエンドのベクトル化HDマップ学習パイプラインを紹介する。 このパイプラインは、地図要素間の空間的関係を明示的にモデル化し、下流の自律運転タスクに相応しいベクトル化されたマップを生成することができる。 VectorMapNetはnuScenesとArgo2データセットの両方で強力なマップ学習性能を実現する。
  論文  参考訳（メタデータ） (2022-06-17T17:57:13Z)
• Long-term Visual Map Sparsification with Heterogeneous GNN [47.12309045366042]
  本稿では,環境変化を克服し,将来のローカライゼーションに有用な点を選択することで,地図サイズを同時に削減することを目的とする。 グラフニューラルネットワーク(GNN)の最近の進歩に触発されて,SfMマップを異種グラフとしてモデル化し,GNNを用いて3次元点重要度を推定する最初の研究を提案する。 2つの新しい監督手法が提案されている: 1) トレーニングクエリに基づく将来のローカライゼーションに有用なポイントを選択するためのデータ適合用語、2) スパースポイントをフルマップで選択するためのK-Cover用語。
  論文  参考訳（メタデータ） (2022-03-29T01:46:12Z)
• HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
  HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。 実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。 高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
  論文  参考訳（メタデータ） (2021-06-28T17:59:30Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• 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)

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。