[논문 리뷰] Automatic Generation of Level Maps with the Do What's Possible Representation

Daniel Ashlock, Christoph Salge|arXiv (Cornell University)|2019. 05. 23.

Video Analysis and Summarization참고 문헌 20인용 수 4

한 줄 요약

이 논문은 Do What's Possible (DWP) 표현 방식을 사용하여 확장 가능하고 개방형인 절차적 던전 생성 방법을 제안한다. 이 방식은 결정적 복합 문자열 생성기(SDA)와 생성 가능성 필터를 조합하여 반복적으로 레벨 지도를 구축한다. 이 방법은 무한한 지도 확장을 가능하게 하고 공간 제약 조건에 적응하며, 고품질의 맞춤형 던전 레이아웃을 위한 지도 생성기의 진화적 최적화를 지원한다. 이는 설계 패턴과 환경 장애물에 대해 이중 적응성을 갖춘다.

ABSTRACT

Automatic generation of level maps is a popular form of automatic content generation. In this study, a recently developed technique employing the {\\em do what's possible} representation is used to create open-ended level maps. Generation of the map can continue indefinitely, yielding a highly scalable representation. A parameter study is performed to find good parameters for the evolutionary algorithm used to locate high-quality map generators. Variations on the technique are presented, demonstrating its versatility, and an algorithmic variant is given that both improves performance and changes the character of maps located. The ability of the map to adapt to different regions where the map is permitted to occupy space are also tested.

연구 동기 및 목표

• 무한한 지도 크기와 지속적인 성장을 지원하는 확장 가능하고 개방형의 절차적 레벨 지도 생성 표현 방식을 개발한다.
• 고품질의 던전 레이아웃을 생성하는 복잡한 문자열 생성기(SDA)를 최적화하기 위해 진화 알고리즘을 적용한다.
• 공간 제약 조건과 기존 콘텐츠에 대한 반응을 통해 지도 생성의 적응성을 조사한다.
• 다양한 지도 생성 시나리오와 파라미터 설정에서 DWP 표현 방식의 유연성과 성능을 평가한다.
• 실제 게임 디자인 응용을 위한 확장 사항인 특수 방 삽입 및 확률적 배치를 탐색한다.

제안 방법

• DWP 표현 방식은 복잡한 문자열 생성기(CSG)로 작동하는 자율 주행 오토마타(SDA)를 사용하여 결정적 비트 시퀀스를 생성하고, 이 시퀀스가 지도 생성 결정을 이끈다.
• 생성 가능성 필터(GPF)는 이러한 시퀀스를 명령어로 해석하여 새로운 방을 배치하며, 점유된 공간과 충돌하는 배치는 거부한다.
• 방 배치 결정은 반복적으로 이루어지며, 부모 방, 측면, 방향 및 치수를 선택하고, 공간이 확보된 경우에만 배치가 허용된다.
• 진화 알고리즘은 지도 품질 지표(예: 연결성, 방 수 등)를 기반으로 적합도를 극대화하기 위해 SDA의 전이 규칙을 최적화한다.
• 시스템은 점진적인 지도 확장을 지원하여 언제든지 중단해도 유효한 부분 지도를 생성할 수 있다.
• 확장 기능으로는 목록을 통한 특수 방 삽입과 GPF를 부드럽게 조정하여 확률적 선택(예: 평탄한 지형에서 평탄한 도로를 선호)을 허용한다.

실험 결과

연구 질문

• RQ1 DWP 표현 방식은 최소한의 표현 오버헤드로 임의의 크기의 던전 지도를 생성할 수 있는가?
• RQ2 진화적 파라미터는 생성된 지도의 품질과 다양성에 어떤 영향을 미치는가?
• RQ3 DWP 시스템은 지도 생성 중 공간 제약 조건과 기존 장애물에 얼마나 잘 적응할 수 있는가?
• RQ4 진화된 CSG 패턴과 동적 GPF 필터링을 포함한 이중 적응성은 기존 환경에 대한 콘텐츠 생성을 어떻게 향상시키는가?
• RQ5 DWP 프레임워크는 실용적 향상, 예를 들어 특수 방 삽입 및 확률적 배치를 통해 지형 인식 기반 설계를 지원할 수 있는가?

주요 결과

• DWP 표현 방식은 40×40까지의 자가 회피 보행을 성공적으로 생성하여 이전의 적응형 표현 방식의 12×12 한계를 초월했다.
• 8비트 그레이 코드를 256개의 고유한 값으로 진화시켜 복잡한 패턴에 대한 강력한 생성 능력을 입증했다.
• 진화된 SDA 기반 생성기는 미리 미학적 요소를 위한 피트니스 형상 조정 없이도 높은 연결성과 구조적 다양성을 가진 지도를 생성했다.
• 시스템은 확장 가능한 지도 생성을 달성했으며, 최소한의 데이터 구조와 사전 정의된 크기 제한 없이 무한히 확장 가능했다.
• 이중 적응성 덕분에 동일한 진화된 CSG가 다양한 장애물 패턴에 적용되었을 때 다른 지도 스타일을 생성할 수 있었고, 맥락에 민감한 콘텐츠 생성이 가능했다.
• 특수 방 삽입 및 확률적 배치 등의 수정 사항은 지형 인식 생성에 있어 실용성을 향상시켰다. 예를 들어, 평탄한 지형에서는 평탄한 도로를 선호하도록 설계할 수 있었다.