[论文解读] Integrating Automated Play in Level Co-Creation

Andrew D. Hoyt, Matthew Guzdial+3 more|arXiv (Cornell University)|Nov 20, 2019

Artificial Intelligence in Games参考文献 19被引用 7

一句话总结

本文将两种自动化功能——A* 可达性检查与基于 A* 的生存分析——集成到 Morai Maker 级别共创工具中，以提升《超级马里奥兄弟》关卡设计中的可玩性与难度评估。通过利用 A* 路径查找与基于代理的仿真，该系统使设计师能够在无需手动实测的情况下验证关卡可通行性并估算难度，从而在人机协同设计工作流中提升设计效率与可靠性。

ABSTRACT

In level co-creation an AI and human work together to create a video game level. One open challenge in level co-creation is how to empower human users to ensure particular qualities of the final level, such as challenge. There has been significant prior research into automated pathing and automated playtesting for video game levels, but not in how to incorporate these into tools. In this demonstration we present an improvement of the Morai Maker mixed-initiative level editor for Super Mario Bros. that includes automated pathing and challenge approximation features.

研究动机与目标

• 解决在无需手动实测的情况下，确保人机协同关卡共创中关卡可玩性与可导航性的挑战。
• 克服当前 Morai Maker 系统中因缺乏物理建模而导致 AI 生成关卡元素可能不可玩的局限性。
• 为设计师提供实时、自动化的反馈，判断关键关卡区域是否可达，以及完成难度如何。
• 通过近似难度评估，使非专业设计师无需亲自通关即可创建更加平衡且可玩的关卡。

提出的方法

• 实现 A* 可达性检查，通过《超级马里奥兄弟》的物理感知 A* 路径查找模型，在用户定义的两个点之间可视化最优路径。
• 将游戏机制（如跳跃、移动等）表示为 A* 操作符，以计算可行的通行路径。
• 引入基于 A* 的生存分析功能，沿预计算的 A* 路径模拟指定数量的代理（默认 100 个），每个代理具有随机的节点转移阈值。
• 利用成功抵达目标的代理比例作为关卡难度的粗略估计，反映不同游戏风格与最优性之间的差异。
• 通过键盘快捷键（如 'P' 键）将两项功能集成至 Morai Maker 编辑器，实现在关卡设计过程中的实时交互。
• 通过允许在任意阶段（包括不完整关卡）进行检查，确保系统与迭代式、混合主导的设计流程保持兼容。

实验结果

研究问题

• RQ1 在无需完整实测的人机协同设计环境中，能否利用自动化路径查找验证关卡可通行性？
• RQ2 基于 A* 的代理仿真在多大程度上能近似人类感知的关卡难度？
• RQ3 将自动化可玩性与难度分析集成到 AI 辅助关卡编辑器中，如何提升其可用性与可靠性？
• RQ4 非专业设计师能否有效利用自动化反馈，在无需亲自测试的情况下创建出可玩且平衡的关卡？

主要发现

• A* 可达性检查成功识别出关卡中两点之间是否存在可玩路径，提供可视化确认，无需用户实际游玩关卡。
• 基于 A* 的生存分析通过模拟具有不同最优性水平的代理沿路径行进，生成挑战的定量估计，成功率达难度的代理指标。
• 由于阈值随机化，生存分析中成功代理的比例在不同运行中有所变化，反映出游戏风格差异的内在变异性。
• 该系统使设计师能够在无需手动实测的情况下评估可达性与难度，保持设计流程顺畅并减少挫败感。
• 即使在不完整关卡上，该功能也有效，支持迭代设计，无需在每个阶段都保证完全可玩。
• 将自动化分析集成到 Morai Maker 中，通过降低生成关卡元素不可玩的风险，提升了 AI 生成内容的可靠性。