VolgendeVolgende gids
AI bij het genereren van spelniveaus
Toepassingen
ToepassingenGIDS
Bij procedurele contentgeneratie (PCG) worden algoritmen gebruikt om automatisch spelwerelden, niveaus, items en speurtochten te creëren.
Luister naar deze gidsAI-verteld · ~2 min
Het laat kleine teams grote, gevarieerde games bouwen en wordt nu versterkt door generatieve AI.
PCG heeft een lange geschiedenis: Rogue (1980) genereerde algoritmisch kerkers, en No Man's Sky claimt de beroemde 18 biljoen unieke planeten die zijn opgebouwd uit deterministische zaden. Minecraft genereert vrijwel oneindig terrein met behulp van Perlin/noise-functies, en Spelunky was een pionier op het gebied van op beperkingen gebaseerde niveaugeneratie die zowel willekeurig als speelbaar blijft. De meeste klassieke PCG zijn op regels of op ruis gebaseerd, met zorgvuldige beperkingen, zodat de uitvoer leuk is en niet alleen maar gevarieerd. Een onderzoekssubveld, PCGML (PCG via machinaal leren), traint modellen op bestaande niveaus om nieuwe te genereren. Tegenwoordig breidt generatieve AI PCG uit naar texturen, 3D-modellen, dialoog en speurtochten. Het grote voordeel is de schaal van de inhoud en de herspeelbaarheid; de grote uitdaging is kwaliteitscontrole, coherentie en het vermijden van flauwe, eentonige output, ook wel het 'havermoutprobleem' genoemd.
No Man's Sky genereert meer dan 18 biljoen planeten uit deterministische zaden en procedureregels
Minecraft gebruikt geluidsfuncties om in een handomdraai effectief oneindig, gevarieerd terrein te bouwen
Spelunky genereert gerandomiseerde maar altijd voltooibare niveaus via op beperkingen gebaseerd ontwerp
Diablo en andere actie-RPG's genereren procedureel kerkerindelingen en willekeurige buit voor herspeelbaarheid
Genatieve AI zal in toenemende mate kunst, 3D-middelen, stem en verhaal on-demand produceren, waardoor mogelijk gepersonaliseerde niveaus mogelijk worden gemaakt die zijn afgestemd op de vaardigheden van elke speler. Verwacht strakkere co-creatietools voor mens-AI waarbij ontwerpers modellen sturen in plaats van elke regel te schrijven. Belangrijke grenzen zijn de samenhang tussen grote werelden, de herkomst van auteursrechten en trainingsgegevens, en het betekenisvol houden van de inhoud in plaats van oneindig maar leeg. De winnende systemen zullen generatie koppelen aan sterke evaluatie en beheer.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Bij procedurele contentgeneratie (PCG) worden algoritmen gebruikt om automatisch spelwerelden, niveaus, items en speurtochten te creëren. Het laat kleine teams grote, gevarieerde games bouwen en wordt nu versterkt door generatieve AI.
PCG, of Procedural Content Generation, gebruikt algoritmen om automatisch game-inhoud zoals niveaus, terrein en items te creëren.
Rogue genereerde zijn kerkers algoritmisch bij elke playthrough, en gaf zijn naam aan het hele 'roguelike'-genre.
Een startwaarde reproduceert deterministisch dezelfde procedureel gegenereerde wereld, dus triljoenen planeten hoeven niet afzonderlijk te worden opgeslagen.
Perlin- en Simplex-ruis creëren vloeiende hellingen, ideaal voor hoogtekaarten van natuurlijk terrein, zoals te zien in de landschappen van Minecraft.
Beperkingen garanderen dat er een geldig pad bestaat, zodat niveaus zowel willekeurig als oplosbaar blijven in plaats van willekeurig onmogelijk.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
AI bij het genereren van spelniveaus
Toepassingen