Rehber bağlantılı sınav · Orta Seviye
Oyun Seviyesi Oluşturma Testinde Yapay Zeka
Öğrenilen seviye oluşturucuların oynanabilirlik açısından nasıl test edildiğini ve kalite çeşitliliği yöntemlerinin çeşitli oyun içeriğini nasıl koruduğunu keşfedin.
Soru 1 arasında 8
Oyunlarda 'prosedürel içerik üretimi' (PCG) ne anlama geliyor?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- Oyunlarda 'prosedürel içerik üretimi' (PCG) ne anlama geliyor?
- Algoritmalar otomatik olarak seviyeler, haritalar veya içerik oluşturur
- Oyuncular her seviyeyi elle inşa ediyor
- Gerçek dünyadaki konumları oyuna kaydetme
- Bir tür çok oyunculu eşleştirme
- Dalga Fonksiyonu Çöküşü algoritması nasıl bir harita oluşturur?
- Mevcut bir haritayı tam olarak kopyalar
- Bir bulmacayı çözmek gibi bitişiklik kurallarını uygularken döşemeleri birer birer çökertir
- Hiçbir kural olmadan, taşları rastgele yere atar
- Bir insandan her bir döşemeyi yerleştirmesini ister
- 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
- Doğal görünümlü arazi oluşturmak için yaygın olarak hangi klasik gürültü işlevi kullanılıyor?
- Yalnızca beyaz gürültü
- Bir sıralama algoritması
- Bir karma tablosu
- Perlin gürültüsü
- PCGML, eski kural tabanlı nesile kıyasla ne katıyor?
- Makine öğrenimini kullanarak mevcut seviyelerdeki kalıpları öğrenir
- Rastgeleliği tamamen ortadan kaldırır
- Yalnızca 2D platform oyunlarında çalışır
- Kesinlikle bilgisayar gerektirmez
- No Man's Sky'ın prosedürel olarak yaklaşık kaç gezegen ürettiği iddia ediliyor?
- Yaklaşık bin
- Yaklaşık 18 kentilyon
- Yaklaşık bir milyon
- Tam olarak yüz
- 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