[論文レビュー] Compressing and Comparing the Generative Spaces of Procedural Content Generators

Oliver Withington, Laurissa Tokarchuk|arXiv (Cornell University)|May 30, 2022

Artificial Intelligence in Games参考文献 43被引用数 3

ひとこと要約

本稿では、2次元タイルベースゲームにおける手続き的コンテンツ生成（PCG）の生成空間を可視化および比較するために、次元削減によるデータ圧縮を提案する。符号化されたステージ表現を2次元投影に圧縮することで、多様性および構造の定性的比較が可能となる。複数対応分析（MCA）は行動的特徴と最も強い相関を示し、デザイナー向けツールとしての強力な可能性を示している。

ABSTRACT

The past decade has seen a rapid increase in the level of research interest in procedural content generation (PCG) for digital games, and there are now numerous research avenues focused on new approaches for driving and applying PCG systems. An area in which progress has been comparatively slow is the development of generalisable approaches for comparing alternative PCG systems, especially in terms of their generative spaces. It is to this area that this paper aims to make a contribution, by exploring the utility of data compression algorithms in compressing the generative spaces of PCG systems. We hope that this approach could be the basis for developing useful qualitative tools for comparing PCG systems to help designers better understand and optimize their generators. In this work we assess the efficacy of a selection of algorithms across sets of levels for 2D tile-based games by investigating how much their respective generative space compressions correlate with level behavioral characteristics. We conclude that the approach looks to be a promising one despite some inconsistency in efficacy in alternative domains, and that of the algorithms tested Multiple Correspondence Analysis appears to perform the most effectively.

研究の動機と目的

• 生成空間に基づいて、手続き的コンテンツ生成（PCG）システムを比較する汎用的で定性的な手法を開発すること。
• 符号化されたステージ表現のデータ圧縮が、意味のある構造的・行動的情報を保持できるかどうかを評価すること。
• 次元削減技術が、デザイナーがPCG出力の多様性および特徴を理解・比較するためのツールとしての有効性を評価すること。
• どの圧縮アルゴリズムが、ゲームステージ生成器の行動的特徴との相関を最もよく保持するかを特定すること。

提案手法

• 著者らは、複数のPCGシステムから得たステージの符号化表現を収集し、各ステージを空間的・構造的特徴の高次元ベクトルとして扱う。
• 主成分分析（PCA）、多次元尺度構成法（MDS）、Isomap、局所線形埋め込み（LLE）、および複数対応分析（MCA）を含む、次元削減アルゴリズムのスイートを適用し、高次元データを2次元空間に投影する。
• 得られた2次元投影図を用いて生成空間を可視化し、ステージ間の構造的多様性および類似性を評価する。
• 各ステージについて、難易度、長さ、許容性といった行動的特徴（BCs）を計算し、圧縮空間と相関関係を評価することで情報量を測定する。
• 本手法では、類似するBCsを持つステージが圧縮空間で密にクラスタリングされることを仮定し、この相関の強さを成功の指標として用いる。
• 本手法は、Super Mario Bros. および Lode Runner の2つのゲームドメインにおいて、既存のステージコーパスと複数の生成器を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 符号化されたステージ表現の次元削減は、意味のある構造的・行動的多様性を保持する形で、PCGシステムの生成空間を効果的に圧縮・可視化できるか？
• RQ2 どの次元削減アルゴリズムが、ゲームステージの行動的特徴との相関を最もよく保持するか？
• RQ3 圧縮された生成空間の投影図は、構造的類似性があるが位置が異なる場合を除き、人間が感じる類似性をどれほど正確に反映しているか？
• RQ4 本手法の性能は、入力ステージコーパスのサイズおよび多様性にどの程度依存するか？
• RQ5 本アプローチは、事前に定義された行動的指標が不要な状況でも、実用的でデザイナーフレンドリーなPCGシステムの比較・最適化ツールとして機能できるか？

主な発見

• 複数対応分析（MCA）は、両方のゲームドメインにおいて、PCA、MDS、Isomap、LLEを上回る、強く一貫した行動的特徴との相関を示した。
• 圧縮手法により、生成空間における意味のある分散を効果的に捉えることができ、行動的特徴の事前定義なしに多様性および構造の定性的比較が可能となった。
• Super Mario Bros. ドメインでは、圧縮空間が長さ、難易度、プラットフォーミングの複雑さといった重要な行動的特徴と顕著な相関を示した。
• 本手法は、ステージ特徴が反転または配置が異なる場合（例：同じ構造を持つ2つのBoxobanステージが異なる位置にある場合）に、構造的類似性を検出できなかった。
• Lode Runnerドメインでは、データセットが小さく（150ステージ）、敵の配置に変動が少なかったため、許容性BCとの相関が低く、性能がやや劣った。
• 限界はあったが、本手法は、デザイナーがPCGシステムを理解・比較するための定性的ツールの基盤として、有望な可能性を示している。