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