[論文レビュー] Generating Real-Time Strategy Game Units Using Search-Based Procedural Content Generation and Monte Carlo Tree Search

Kynan Sorochan, Matthew Guzdial|arXiv (Cornell University)|Dec 7, 2022

Artificial Intelligence in Games被引用数 7

ひとこと要約

本論文は、モンテカルロ木探索（MCTS）を用いて強化された探索ベースの手続き的コンテンツ生成（SBPCG）手法を提案し、自動的にバランスの取れた独自のリアルタイムストラテジー（RTS）ゲームユニットを生成する。MCTSに基づくフィットネス関数を用いてシミュレートされた対戦を通じてユニットのバランスを評価することで、microRTS用に10体の新しいユニットを生成した。これらのユニットは、多様なエージェントのスキルレベルにおいて実用的でバランスの取れた性能を示した。

ABSTRACT

Real-Time Strategy (RTS) game unit generation is an unexplored area of Procedural Content Generation (PCG) research, which leaves the question of how to automatically generate interesting and balanced units unanswered. Creating unique and balanced units can be a difficult task when designing an RTS game, even for humans. Having an automated method of designing units could help developers speed up the creation process as well as find new ideas. In this work we propose a method of generating balanced and useful RTS units. We draw on Search-Based PCG and a fitness function based on Monte Carlo Tree Search (MCTS). We present ten units generated by our system designed to be used in the game microRTS, as well as results demonstrating that these units are unique, useful, and balanced.

研究の動機と目的

• 人間デザイナーですら時間と手間がかかる複雑な作業である、魅力的でバランスの取れたRTSゲームユニットを自動生成するための手法が不足しているという問題に取り組む。
• AI駆動の手続き的コンテンツ生成が、ゲームメカニクス的に独自でかつバランスの取れた新しいユニットを効果的に生成できるかどうかを検証する。
• 異なるスキルレベルのエージェントを用いたシミュレートされた対戦を通じて、生成されたユニットの実用性とバランスを評価し、人間のプレイテストに依存しない。
• MCTSに基づくフィットネス評価が、RTSユニット生成におけるゲームバランスの信頼できる代理指標として機能できることを示す。

提案手法

• ユニット生成空間における局所探索を繰り返し行い、ランダムに初期化されたユニットを段階的に改善する探索ベースの手続き的コンテンツ生成（SBPCG）フレームワークを採用する。
• 異なるスキルレベルのエージェントペア間での勝率を測定することで、ユニットのバランスを評価するMCTSシミュレーションに基づくフィットネス関数を定義する。
• MCTSを用いて、1人のプレイヤーが新しいユニットを生産できる対戦と、ユニットなしのベースライン対戦を比較し、バランスと実用性を評価する。
• 異なるスキルレベルのエージェントペア間のシミュレート対戦における勝率分布から導出されるバランス指標を最適化することでユニットを生成する。
• 10万回のシミュレート対戦を含む大規模なMCTS研究を通じて、戦略的実用性と全体的なゲームバランスの両面からユニットを評価する。
• 認知されたRTSのテストベッドとして知られるmicroRTSゲームエンジンを用い、機械的特徴が明確に異なる10体の新しいユニットを生成・検証する。

実験結果

リサーチクエスチョン

• RQ1 MCTSに基づくフィットネス関数を用いたSBPCGは、機械的特徴が独自でかつバランスの取れたRTSユニットを生成できるか？
• RQ2 シミュレートされた対戦に基づくフィットネス関数は、RTSユニットの実際のバランスと実用性を効果的に予測できるか？
• RQ3 生成されたユニットは、異なるエージェントのスキルレベルにおいて、勝率と戦略的インパクトの観点でどのように性能を示すか？
• RQ4 両プレイヤーがユニットを生産できる状況では、生成されたユニットがどの程度バランスを保っているか？
• RQ5 この手法は、バランスの取れたユニットに加え、多様なゲームプレイシナリオにおいて戦略的に有用なユニットを生成できるか？

主な発見

• 本システムは、microRTS用に10体の独自のRTSユニットを成功裏に生成し、それぞれが明確な機械的特徴と役割を有していた。
• シミュレートされた対戦の結果、1人のプレイヤーのみがユニットを生産できる状況では、勝率のシフトが観察され、明確な優位性が示された。
• 両プレイヤーがユニットを生産できるバランスの取れた状況では、勝率が50％に収束し、スキルレベルにかかわらず全体としてのバランスが保たれていることが示された。
• エージェントのスキルペアごとの勝率のヒートマップは、バランスの取れたゲームに期待されるパターンに従っており、MCTSに基づくフィットネス関数の妥当性を裏付けた。
• 一部のユニットは、低スキルのエージェントの勝率をわずかに上昇させる「安価な効果」を示しており、特定のマッチアップでやや過剰に性能を発揮している可能性を示唆した。
• 特定のマッチアップでのわずかなアンバランスにもかかわらず、全体的なトレンドは、生成されたユニットが平均的にバランスが取れており、ゲームプレイにおいて実用的であることを確認した。