بهبود عملکرد شبکه عصبی عمیق در تولید خودکار محتوای بازی های رایانه ای

تولید رویه ای محتوا برای بازی های دیجیتال به تولید محتوای بازی با استفاده از رو ش های الگوریتمی گفته میشود که در سالهای اخیر به مبحثی مهم در بین تولیدکنندگان بازی ها و محققان در حوزه بازی تبدیل شده است. از این روش می توان برای افزایش ارزش پخش بازی، کاهش هزینه و سختی تولید بازی و کاهش فضای موردنیاز برای ذخیره سازی بازی استفاده کرد. تحقیقات علمی در حوزه تولید رویه ای محتوای بازی ها علاوه بر مزایای مطرح شده به بررسی این میپردازد که این روش ها چگونه میتوانند تجربه ی جدیدی از بازی کردن شامل انطبا ق پذیری سطح بازی با بازیکن را در اختیار بازیکنان قرار دهد. شبکه های مولد تخاصمی یا به اختصار GAN قابلیت یادگیری و ساخت نمونه های جدید بر روی فضای نمونه های موجود را دارند. این روش با موفقیت نمونه های جدید شبیه به نمونه های اولیه تولید میکند. برای کنترل نمونه های خروجی آن از رو ش های تکاملی استفاده میشود. در این مقاله که بر روی بازی Super Mario Bros انجام شده از نمون های جدید از روش تکاملی ماتریس انطباقی کوواریانس همراه با تابع ارزیابی جدید برای تولید روی های محتوا استفاده شده است. در نمونه جدیدتکاملی ماتریس انطباقی کوواریانس میتواند از اجراهای پیشین برای شروع بهتر الگوریتم استفاده کند تا بجای شروع همه چیز از صفر از ناحیه ای که نتایج بهتری داشته ایم جستجو را انجام دهیم. اینکار میتواند از بودجه الگوریتم که تعداد ارزیابی ها یا تعداد دوره های آن الگوریتم است بهتر در مسیر جستجو استفاده کند. همچنین تابع ارزیابی جدید می تواند نتیجه های بصری بهتری برای بازی در نظر بگیرد .

Keywords:

بازی , تولید رویه ای محتوا , شبکه مولد تخاصمی , ماتریس انطباقی کوواریانس.