Концептуальные модели процедурной генерации уровней в играх с применением нейронных сетей
Description
В статье рассмотрены особенности, которыми обладают модели процедурной генерации уровней в играх с применением нейронных сетей. Обзор теоретических основ процедурного моделирования и генеративных нейронных сетей позволяет выявить преимущества, существующие ограничения традиционных методов, а также обосновать необходимости их симбиоза для повышения вариативности, реалистичности и адаптивности игрового контента. В работе проводится анализ существующих подходов к синтезу контента, а также предлагается новая методология, которая объединяет формальные алгоритмы, генеративные модели, физические ограничения и оптимизационные техники, такие как Hunger Game Search. Результаты демонстрируют, что существующие модели обеспечивают высокое качество и разнообразие создаваемых уровней, несмотря на высокую вычислительную сложность и чувствительность к параметрам. Работа демонстрирует практическую значимость разработки, а также определяет перспективные направления дальнейших исследований, включая оптимизацию вычислительных процессов, автоматическую настройку гиперпараметров и интеграцию современных архитектур, таких как трансформеры и диффузионные модели. Сведения, отраженные в рамках статьи, будут представлять интерес для разработчиков игр, специалистов по искусственному интеллекту, исследователей генеративных алгоритмов и академиков, стремящихся интегрировать инновационные методики в междисциплинарные исследования цифровых медиа.
Abstract (English)
The article discusses the features of the models of procedural level generation in games using neural networks. An overview of the theoretical foundations of procedural modeling and generative neural networks makes it possible to identify the advantages and limitations of traditional methods, as well as to justify the need for their symbiosis to increase the variability, realism and adaptability of game content. The paper analyzes existing approaches to content synthesis, and also proposes a new methodology that combines formal algorithms, generative models, physical constraints, and optimization techniques such as Hunger Game Search. The results demonstrate that the existing models provide high quality and a variety of levels, despite the high computational complexity and sensitivity to parameters. The work demonstrates the practical significance of the development, as well as identifies promising areas for further research, including optimization of computational processes, automatic adjustment of hyperparameters, and integration of modern architectures such as transformers and diffusion models. The information reflected in the article will be of interest to game developers, artificial intelligence specialists, generative algorithm researchers, and academics seeking to integrate innovative techniques into interdisciplinary digital media research.
Files
39-45.pdf
Files
(325.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:baa8dc705e2e64f97e38277a9c8abe75
|
325.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (English)
- Conceptual models of procedural level generation in games using neural networks