Poste de recherche
Image à niveau : Génération et réparation
La génération de contenu procédural par apprentissage machine (PCGML) a récemment attiré l'attention des chercheurs en raison de sa capacité à générer du nouveau contenu de jeu avec un minimum de données de la part de l'utilisateur. Cependant, jusqu'à présent, les personnes ne possédant pas d'expertise en apprentissage automatique ont été largement incapables d'utiliser PCGML pour générer du contenu adapté à leurs besoins.
Cet article propose l'utilisation d'images comme entrée d'un processus PCGML pour générer des niveaux de jeu. Intuitivement, un utilisateur peut soumettre une image, le système renvoyant le niveau de jeu valide le plus proche de Super Mario Bros. Nos résultats indiquent qu'au moins pour des domaines comme Super Mario Bros. nous pouvons recréer un niveau cible avec une grande fidélité.
Derniers documents de recherche
24 février 2022
Poste de recherche
Le processus historique partiellement observable
1er février 2022
Poste de recherche
Repenser les modèles formels de prise de décision multi-agents partiellement observables
Lisez ce document de recherche, coécrit par Neil Burch et Michael Bowling, boursiers Amii et titulaires de la chaire d'IA du CIFAR Canada : Repenser les modèles formels de prise de décision multi-agents partiellement observables.
6 décembre 2021
Poste de recherche
Joueur de jeux
Lisez ce document de recherche, coécrit par Neil Burch et Micheal Bowling, boursiers Amii et titulaires de chaires d'IA au CIFAR : Le joueur de jeux
