Тест, свързан с ръководство · Среден Ниво
AI в теста за генериране на ниво на играта
Разгледайте как научените генератори на нива се тестват за възпроизвеждане и как методите за разнообразие на качеството запазват разнообразно игрово съдържание.
Въпрос 1 на 8
Какво означава „процедурно генериране на съдържание“ (PCG) в игрите?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Какво означава „процедурно генериране на съдържание“ (PCG) в игрите?
- Алгоритми, създаващи автоматично нива, карти или съдържание
- Играчите ръчно изграждат всяко ниво на ръка
- Записване на места от реалния свят в играта
- Вид сватовство за много играчи
- Как алгоритъмът за колапс на вълновата функция изгражда карта?
- Той точно копира съществуваща карта
- Той свива плочките една по една, като същевременно налага правилата за съседство, като решаване на пъзел
- Той произволно хвърля плочки без правила
- Той иска от човек да постави всяка плочка
- Защо разработчиците тестват генерираните нива с агенти за търсене или други проверки за възпроизвеждане?
- To guarantee every generated level is completable before release
- To remove the need for human designers
- To test whether levels meet defined reachability or difficulty criteria; this does not guarantee universal playability
- To increase the graphics resolution of the level
- Коя класическа функция за шум се използва широко за генериране на естествено изглеждащ терен?
- Само бял шум
- Алгоритъм за сортиране
- Хеш таблица
- Перлин шум
- Какво добавя PCGML в сравнение с по-старото генериране, базирано на правила?
- Той научава модели от съществуващи нива с помощта на машинно обучение
- Премахва напълно произволността
- Работи само за 2D платформинги
- Изобщо не изисква компютър
- Приблизително колко планети No Man's Sky твърди, че генерира процедурно?
- Около хиляда
- Около 18 квинтилиона
- Около един милион
- Точно сто
- In the Mario-level GAN study, how did researchers test whether generated levels were playable?
- They checked only whether the level image looked realistic
- They counted the number of colors in the level
- They ran an A* agent through the levels and measured whether it could complete them
- They asked the GAN to classify its own training data
- What is the goal of a quality-diversity method such as MAP-Elites in level generation?
- To make every generated level identical to one template
- To maximize image resolution without considering gameplay
- To remove all difficult levels from a training dataset
- To find high-quality levels that also vary across selected gameplay characteristics