[論文レビュー] Transforming Exploratory Creativity with DeLeNoX

Antonios Liapis, Héctor P. Martínez+2 more|IT University Of Copenhagen (IT University of Copenhagen)|Mar 22, 2021

Artificial Intelligence in Games参考文献 26被引用数 52

ひとこと要約

DeLeNoX は探索を制約付き新規性探索で、変換をノイズ除去オートエンコーダで行い、探索バイアスを変形させて、制約付き CPPN 生成空間内で多様な宇宙船を見出す。アプローチは探索を圧縮ベースの学習進展にリンクさせる。

ABSTRACT

We introduce DeLeNoX (Deep Learning Novelty Explorer), a system that autonomously creates artifacts in constrained spaces according to its own evolving interestingness criterion. DeLeNoX proceeds in alternating phases of exploration and transformation. In the exploration phases, a version of novelty search augmented with constraint handling searches for maximally diverse artifacts using a given distance function. In the transformation phases, a deep learning autoencoder learns to compress the variation between the found artifacts into a lower-dimensional space. The newly trained encoder is then used as the basis for a new distance function, transforming the criteria for the next exploration phase. In the current paper, we apply DeLeNoX to the creation of spaceships suitable for use in two-dimensional arcade-style computer games, a representative problem in procedural content generation in games. We also situate DeLeNoX in relation to the distinction between exploratory and transformational creativity, and in relation to Schmidhuber's theory of creativity through the drive for compression progress.

研究の動機と目的

• 計算創造性における探索的創造性と変容的創造性の区別を動機づけ、運用可能にする。
• 制約付き新規性主導の探索と表現ベースの変換を交互に行い、探索バイアスを適応させるシステムを開発する。
• CPPN を用いて多様で制約を満たす 2D 宇宙船スプライトを生成し、反復的特徴学習を通じて探索する。
• アプローチを Schmidhuber の圧縮進歩理論に基づくゲームコンテンツ生成へ適用する。

提案手法

• 2 相のサイクルを使用する：制約付き新規性探索を通じた探索で実現可能性制約の下で多様性を最大化する。
• アーティファクトを組成的パターン生成ネットワーク（CPPN）で表現し、トポロジーは NEAT 風の拡張で進化させる。
• 宇宙船スプライトの左半分にノイズ除去オートエンコーダを適用して低次元の特徴表現を得る。
• オートエンコーダの特徴から新しい距離関数を計算し、次の探索フェーズを駆動して探索バイアスを変換する。
• 現在の探索フェーズのアーティファクトを用いてオートエンコーダを訓練し、圧縮ベースの進歩を可能にする典型的なパターンを捉える。
• Feasible-Infeasible Neuroevolution of Augmenting Topologies（FINS）を用いて実現可能性制約と新規性主導の探索のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 探索と変換のフェーズを交互に行うことは、制約された宇宙船デザイン空間のカバレッジを改善できるか。
• RQ2 オートエンコーダ由来の表現は現在のバイアスを捉え、次の探索をより新規なアーティファクトへ導けるか。
• RQ3 圧縮ベースの特徴によって探索バイアスを変換することで、静的探索と比較してより多様で実現可能な宇宙船スプライトを得られるか。
• RQ4 変換 regime か静的 regime の下で、CPP の複雑さの進化が発見される形状に与える影響はどれほどか。

主な発見

• DeLeNoX は非常に制約された設計空間内で驚くべき多様な宇宙船を生み出す。
• ノイズ除去オートエンコーダによる変換は探索バイアスを移動させ、反復ごとにより多様な形状を生み出す。
• 変換実行時の探索は静的実行よりも複雑で多様な形状を生み出す傾向がある。
• 各変換フェーズで学習される特徴は、CPP ネットワークのトポロジーが成長するにつれて、エッジや円形/垂直領域などの進化する視覚パターンを反映している。
• 過去のアーティファクトを忘れるメモリーレスなアプローチでも、変換フェーズが距離尺度を適応させると反復的な多様化を可能にできる。