Kvíz spojený s průvodcem · Střední úroveň

Umělá inteligence v kvízu generování úrovně hry

Prozkoumejte, jak jsou naučené generátory úrovní testovány na hratelnost a jak metody rozmanitosti kvality zachovávají různorodý herní obsah.

Související vodicí cestyAI v generování herní úrovně
Otázka 1 z 8

Co znamená „procedurální generování obsahu“ (PCG) ve hrách?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co znamená „procedurální generování obsahu“ (PCG) ve hrách?
    • Algoritmy automaticky vytvářejí úrovně, mapy nebo obsah
    • Hráči ručně staví každou úroveň ručně
    • Nahrávání skutečných míst do hry
    • Typ matchmakingu pro více hráčů
  2. Jak algoritmus Wave Function Collapse vytváří mapu?
    • Přesně kopíruje existující mapu
    • Sbaluje dlaždice jednu po druhé a zároveň prosazuje pravidla sousedství, jako je řešení hádanky
    • Náhodně hází dlaždice dolů bez pravidel
    • Žádá člověka, aby umístil každou dlaždici
  3. Why do developers test generated levels with search agents or other playability checks?
    • 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
  4. Která klasická funkce šumu se široce používá k vytvoření přirozeně vypadajícího terénu?
    • Pouze bílý šum
    • Algoritmus řazení
    • Hašovací tabulka
    • Perlinův hluk
  5. Co PCGML přidává ve srovnání se starší generací založenou na pravidlech?
    • Učí se vzorce z existujících úrovní pomocí strojového učení
    • Úplně odstraňuje náhodnost
    • Funguje pouze pro 2D plošinovky
    • Nevyžaduje vůbec žádný počítač
  6. Kolik planet zhruba procesně generuje No Man's Sky?
    • Asi tisíc
    • Asi 18 quintilionů
    • Asi milion
    • Přesně sto
  7. 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
  8. 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