Prueba de generación de niveles de IA en el juego

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Qué significa 'generación de contenido procedimental' (PCG) en los juegos?
   • Algoritmos que crean automáticamente niveles, mapas o contenido.
   • Los jugadores construyen manualmente cada nivel a mano.
   • Grabar ubicaciones del mundo real en el juego.
   • Un tipo de emparejamiento multijugador.
2. ¿Cómo construye un mapa el algoritmo de colapso de la función de onda?
   • Copia un mapa existente exactamente.
   • Colapsa los mosaicos uno a la vez mientras aplica reglas de adyacencia, como resolver un rompecabezas.
   • Tira fichas al azar sin reglas.
   • Le pide a un humano que coloque cada ficha.
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. ¿Qué función de ruido clásica se utiliza ampliamente para generar un terreno de apariencia natural?
   • Sólo ruido blanco
   • Un algoritmo de clasificación
   • una tabla hash
   • ruido perlín
5. ¿Qué aporta PCGML en comparación con la generación anterior basada en reglas?
   • Aprende patrones de niveles existentes mediante el aprendizaje automático.
   • Elimina la aleatoriedad por completo.
   • Sólo funciona para plataformas 2D.
   • No requiere ninguna computadora
6. ¿Aproximadamente cuántos planetas afirma No Man's Sky generar de forma procesal?
   • alrededor de mil
   • Alrededor de 18 quintillones
   • alrededor de un millón
   • exactamente cien
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