[論文レビュー] Procedural Content Generation via Generative Artificial Intelligence

Xinyu Mao, Wanli Yu+2 more|arXiv (Cornell University)|Jul 12, 2024

Artificial Intelligence in Law被引用数 5

ひとこと要約

本調査は、生成系AI、特にGANsおよび関連モデルが、ビデオゲームの手続き的コンテンツ生成にどのように適用されているかを概観し、環境、資産、物語、音声を扱い、データの制約について論じる。

ABSTRACT

The attempt to utilize machine learning in PCG has been made in the past. In this survey paper, we investigate how generative artificial intelligence (AI), which saw a significant increase in interest in the mid-2010s, is being used for PCG. We review applications of generative AI for the creation of various types of content, including terrains, items, and even storylines. While generative AI is effective for PCG, one significant issues it faces is that building high-performance generative AI requires vast amounts of training data. Because content generally highly customized, domain-specific training data is scarce, and straightforward approaches to generative AI models may not work well. For PCG research to advance further, issues related to limited training data must be overcome. Thus, we also give special consideration to research that addresses the challenges posed by limited training data.

研究の動機と目的

• ルールベースおよび従来の機械学習から生成系AI手法まで、PCGにおけるAIの歴史的および現在の活用を要約する。
• 環境、資産、物語、音声など、ゲームのコンテンツタイプ全体における生成系AIの適用を強調する。
• ドメイン特化型PCGにおけるデータ不足の課題と、学習データの制限を緩和するアプローチを論じる。
• ゲーム開発ワークフローへの生成系AIの統合に関する洞察と将来の方向性を提供する。

提案手法

• ゲームのコンテンツタイプを分類し、生成目的をプレイアビリティ、整合性、美学に関連づける。
• 識別的 vs. 生成的フレームワークを含む生成系AIの概念とモデル、およびGANを説明する。
• 2Dレベル、3D地形、スプライト、キャラクター、物語、音声にまたがるGANベースのPCG研究を概観する。
• 限られたデータで訓練する例や、マルチステップ型・条件付きGANアーキテクチャを用いた研究を要約する。
• 生成系AIを用いたPCGにおけるデータ中心およびモデル中心の課題と潜在的な研究方向について論じる。

実験結果

リサーチクエスチョン

• RQ1 ビデオゲームの手続き的コンテンツ生成に用いられる主要な生成系AIアプローチは何か？
• RQ2 GANsおよび関連の生成モデルは、さまざまなPCGコンテンツタイプ（環境、資産、物語、音声）にどのように適用されているか？
• RQ3 生成系PCGシステムを訓練する際の実務的な課題、特にデータ不足は何か、そしてそれらはどのように対処されているか？
• RQ4 生成系AIをPCGワークフローに統合するための将来の方向性は何か？

主な発見

• GANsおよび条件付きGANは、画像ベースまたは特徴ベースの表現からプレイ可能なゲームレベルを生成できる。
• 潜在空間探索やマルチステップGANパイプラインが、レベルの特性と解法性を制御できることを示す研究がいくつかある。
• GANベースの地形および資産生成は、実世界データや最小限の例を活用して現実的な結果を得ることができる。
• 生成系AIは、AI駆動のエージェントと記憶・計画メカニズムを通じて、多様で動的な物語およびキャラクターコンテンツを実現する。
• データセットとデータ効率は依然として中心的な課題であり、条件付け、転移学習、アーキテクチャの革新など、限られたデータで機能させる方法を促している。