[論文レビュー] Designer Modeling through Design Style Clustering

Alberto Alvarez, José Font+1 more|arXiv (Cornell University)|Apr 3, 2020

Artificial Intelligence in Games参考文献 36被引用数 4

ひとこと要約

本稿では、ミックスド・イニシアチブ型ゲームデザインにおけるデザイナー行動のモデリングを、部屋のデザインスタイルのクラスタリングと頻出シーケンスマイニングを用いて実現する。これにより、『デザイナーパーソナ』と呼ばれる、アーキタイプ的な設計経路を特定する。48名のユーザーが使用した『Evolutionary Dungeon Designer』のデータを用いた実験により、12の整合性のある部屋のスタイルクラスタと4つの主要な設計パーソナが同定され、計算コストを低く抑えながらAIがデザイナーの意図を予測し、手続き的コンテンツ生成を支援することが可能となった。

ABSTRACT

We propose modeling designer style in mixed-initiative game content creation tools as archetypical design traces. These design traces are formulated as transitions between design styles; these design styles are in turn found through clustering all intermediate designs along the way to making a complete design. This method is implemented in the Evolutionary Dungeon Designer, a research platform for mixed-initiative systems to create adventure and dungeon crawler games. We present results both in the form of design styles for rooms, which can be analyzed to better understand the kind of rooms designed by users, and in the form of archetypical sequences between these rooms, i.e., Designer Personas.

研究の動機と目的

• 手続き的ゲームコンテンツ生成における人間とAIのシームレスな協働を可能にするために、個々の操作を越えたデザイナー行動のモデリングに取り組む。
• 個々の編集操作に訓練された教師ありモデルの限界を克服するため、抽象度を設計スタイルや経路に引き上げる。
• デザイナーがレベルデザインを進める際の繰り返しパターンを反映する、『デザイナーパーソナ』と呼ばれるアーキタイプ的な設計経路を同定する。
• AIシステムがデザイナーの好みを予測し、観察された設計スタイルや進行パターンに整合したコンテンツを提案できるようにする。
• 実際の設計セッションデータに基づく非教師ありクラスタリングと頻出シーケンスマイニングを用いた、スケーラブルでデータドリブンなデザイナーモデリング手法を提供する。

提案手法

• 180のユニークなダンジョンルームの設計ステップの系列に基づき、12の整合性のある部屋のスタイルクラスタに中間設計状態をクラスタリングする。
• 設計の過程で行われた編集の系列から、代表的な設計スタイルを非教師あり学習で同定する。
• 設計セッションのトレースに対して頻出シーケンスマイニングを適用し、スタイル空間を通じた繰り返し発生するアーキタイプ的な経路を発見する。
• 各デザイナーのセッションを同定されたスタイルクラスタにマッピングし、特定のデザイナーパーソナとの整合性を特定する。
• クラスタ間での設計進行を可視化し、明確で繰り返し発生する設計経路の出現を検証する。
• 得られたモデルを用いて、現在のスタイル空間内での位置に基づき、次に予想される設計スタイルを予測することで、手続き的コンテンツ生成を支援する。

実験結果

リサーチクエスチョン

• RQ1 ミックスド・イニシアチブ型ゲームデザインにおけるデザイナー行動を、個々の編集操作を越えて、より高いレベルの抽象化を用いてどのようにモデリングできるか？
• RQ2 ダンジョンクライマー作成ツールにおける実際のユーザー設計セッションから、どのような支配的でアーキタイプ的な設計経路が顕在化するか？
• RQ3 中間設計状態のクラスタリングによって、デザイナーの意図を反映する一貫性があり意味のある部屋のデザインスタイルが明らかになるか？
• RQ4 デザイナーがスタイル空間を通じて予測可能で繰り返し発生する経路に従う程度はどの程度で、その経路をAI支援のガイドラインにどう活用できるか？
• RQ5 得られたデザイナーパーソナは、手続き的コンテンツ生成とデザイナーの好みの整合性をどのように向上させられるか？

主な発見

• 本手法により、180のユニークな部屋の設計ステップの系列を基に、12の整合性があり代表的な部屋のデザインスタイルが成功裏に同定された。
• 設計セッションの頻出シーケンスマイニングにより、4つの支配的でアーキタイプ的な設計経路—『スプリット・センターフォーカス』、『ゴール指向』、『アーキテクチャル・フォーカス』、『初期設計』—が発見された。
• 設計セッションは進行段階に応じて複数のパーソナと一致することが判明し、一部の設計は初期段階で逸脱していたが、後に明確な経路に収束した。
• スタイル空間マップ上の現在のスタイルと、その次に予想されるステップを特定することで、低コストでデザイナーの意図を予測可能となる。
• 初期段階の設計に見られる不確実性や適応の様子が、モデルにより正しく捉えられ、後続で既知のパーソナに一致することが確認された。
• 得られたデザイナーパーソナは、検索ベースや強化学習ベースのコンテンツ生成を、より高いスタイルの忠実度で支援する基盤を提供する。