纽约大学坦顿分校、马斯特里赫特大学、弗林德斯大学和加州大学鲁汶分校的研究人员推出GAVEL,通过进化和语言模型生成游戏。这是一个非常有趣的研究领域,因为它涉及到自动创建新颖且有趣的游戏,这对于人工智能来说是一个复杂的挑战。GAVEL是一个创新的系统,它展示了人工智能在自动游戏设计领域的潜力。例如,你有一个能够自己创造新游戏的智能系统。这个系统不仅能够理解游戏规则,还能够创造出全新的游戏玩法,甚至在某些情况下,这些新游戏可能会比人类设计师创造的游戏还要有趣。这就是GAVEL系统的目标。
- 地址:https://ludii.games/details.php?keyword=Havabu
- 论文:https://arxiv.org/abs/2407.09388
论文中提到了一些由GAVEL生成的游戏示例:
- Havabu:这是一个Havannah游戏的变体,玩家在方形棋盘上轮流放置棋子。如果玩家能够连接三个不同的棋盘边(不包括角落),则获胜。如果玩家没有有效的移动,则输掉游戏。
- YavaGo:这是一个Yavalath游戏的变体,玩家在六边形网格上轮流放置棋子。如果玩家得到五行棋子,他们就赢了。然而,如果玩家得到四行棋子,他们就输了。
- HopThrough:这是一个Breakthrough / Knightthrough游戏的变体。玩家从棋盘的两端开始,目标是让一个棋子到达另一边。棋子只能通过跳过彼此移动(横向或对角线),没有捕获。
主要功能
- 游戏规则表示:GAVEL使用Ludii游戏描述语言(L-GDL),这是一种能够编码超过1000种棋类游戏规则的语言。
- 智能变异和重组:系统利用大型语言模型和进化计算,训练一个模型,该模型能够智能地变异和重组游戏和机制,这些游戏和机制以代码的形式表达。
- 生成新游戏:GAVEL能够生成新的和有趣的游戏,这些游戏在Ludii数据集中未被覆盖的潜在规则空间中。
主要特点
- 扩展性:GAVEL不仅限于现有的游戏规则,它能够探索新的规则组合,创造出全新的游戏。
- 智能性:系统能够理解和操作游戏规则的代码表示,从而生成有意义的游戏变体。
- 多样性:通过质量多样性优化(quality-diversity optimization),GAVEL能够生成一系列可玩且有趣的游戏。
工作原理
GAVEL的工作流程包括以下几个步骤:
- 数据集构建:从Ludii游戏描述语言中构建游戏数据集。
- 语言模型训练:训练一个大型代码语言模型,使其能够理解并生成L-GDL代码。
- 变异操作:使用训练好的模型作为变异操作符,通过进化算法(如MAP-Elites算法)生成新的游戏。
- 质量评估:通过一系列自动评估指标来确定生成的游戏的质量,并使用Ludii概念来确定游戏的新颖性。
具体应用场景
- 游戏设计:GAVEL可以用于自动生成新的棋类游戏,为游戏设计师提供灵感。
- 教育和研究:在教育环境中,GAVEL可以帮助学生理解游戏设计的原理,或者用于研究游戏理论。
- 娱乐:生成的游戏可以通过Ludii门户在线玩,为玩家提供新的娱乐体验。
0条评论