[论文解读] Learning to Blend Computer Game Levels

Matthew Guzdial, Mark Riedl|arXiv (Cornell University)|Mar 8, 2016

Artificial Intelligence in Games参考文献 19被引用 18

一句话总结

本文提出了一种无监督的概念融合方法，通过从《超级马里奥兄弟》游戏实录视频中学习概率性关卡设计模型，并利用类比推理将这些模型融合，生成新颖且风格一致的关卡设计。该系统在风格评估方面达到了人类水平的准确度，能够有效解释专家设计的融合关卡，展示了其在无需人工编写启发式规则的情况下，对创造性关卡生成进行泛化与评估的能力。

ABSTRACT

We present an approach to generate novel computer game levels that blend different game concepts in an unsupervised fashion. Our primary contribution is an analogical reasoning process to construct blends between level design models learned from gameplay videos. The models represent probabilistic relationships between elements in the game. An analogical reasoning process maps features between two models to produce blended models that can then generate new level chunks. As a proof-of-concept we train our system on the classic platformer game Super Mario Bros. due to its highly-regarded and well understood level design. We evaluate the extent to which the models represent stylistic level design knowledge and demonstrate the ability of our system to explain levels that were blended by human expert designers.

研究动机与目标

• 开发一种基于从游戏实录视频中学习的模型，实现无监督的计算机游戏关卡设计融合方法。
• 使系统能够像人类一样评估关卡设计质量，而无需依赖人工编写的启发式规则。
• 证明融合后的模型能够比未融合的模型更好地解释和评估人类专家设计的融合关卡。
• 探索基于真实游戏实录数据推导出的概率图模型在视频游戏中实现概念融合的可行性。

提出的方法

• 系统从游戏实录视频中学习概率图模型，编码关卡元素（如角色、方块和地形）之间的关系。
• 类比推理将两个训练好的关卡设计模型（例如，世界关卡与城堡关卡）之间的结构特征进行映射，以创建融合模型。
• 使用融合后的模型通过评估结构配置的可能性，来评估和生成新的关卡片段。
• 系统基于其对整体模型分布的贡献，选择关键的L节点（关卡片段）进行融合，以优化代表性。
• 通过人类评估研究，将参与者对关卡风格的排名与系统的似然度分数进行比较，以验证其评估能力。
• 案例研究分析了融合模型如何解释专家设计的关卡，使用统计检验（Wilcoxon-Mann-Whitney）比较模型分布。

实验结果

研究问题

• RQ1 系统能否从游戏实录视频中学习关卡设计风格，并以人类水平的准确度评估新关卡？
• RQ2 基于学习到的关卡模型之间的类比推理，在多大程度上能生成新颖且一致的关卡设计？
• RQ3 融合后的模型是否能比未融合的模型更好地解释和评估人类专家设计的融合关卡？
• RQ4 该系统的节点选择策略在捕捉最具代表性的融合特征方面有多有效？

主要发现

• 系统的似然度分数与人类对风格相似性的排名高度相关，表明其有效捕捉了关卡设计风格。
• 在World 9-3的案例研究中，融合模型的分布与SMB模型存在显著差异（p = 0.0008308），证实了对融合关卡建模的改进。
• 完整融合模型与系统选择的融合模型之间无显著差异（p > 0.05），表明系统有效识别出对融合最重要的L节点。
• 系统的融合模型在实际《超级马里奥兄弟》关卡的似然度分数中位数范围内，表明其输出质量具有现实感。
• Wilcoxon-Mann-Whitney检验证实，在World 9-1中，融合模型的分布与原始SMB模型存在显著差异（p = 0.03327），表明对融合内容的建模得到改善。
• 由融合模型生成的关卡输出质量较高（例如，图8和图9），而低分关卡（例如，图10）则表现出结构缺陷，如漂浮的城堡和孤立的方块。