Guided Game Level Repair via Explainable AI

要約

機械学習モデルによって作成された手続き的に生成されたレベルは、さらに編集しないと解決できない場合があります。
後処理ステップ中にハード制約を強制することで、これらのレベルを自動的に修復するさまざまな方法が開発されています。
ただし、レベルのサイズが大きくなるにつれて、これらの制約ベースの修復はますます遅くなります。
この論文では、説明可能性手法を使用して、その解決不可能性に寄与するレベルの特定の領域を特定することを提案します。
これらの領域により高い重みを割り当てることで、制約ベースのソルバーはこれらの問題のある領域に優先順位を付けることができ、より効率的な修復が可能になります。
3 つのゲームにわたってテストされた結果は、このアプローチが手続き的に生成されたレベルをより速く修復できることを示しています。

要約(オリジナル)

Procedurally generated levels created by machine learning models can be unsolvable without further editing. Various methods have been developed to automatically repair these levels by enforcing hard constraints during the post-processing step. However, as levels increase in size, these constraint-based repairs become increasingly slow. This paper proposes using explainability methods to identify specific regions of a level that contribute to its unsolvability. By assigning higher weights to these regions, constraint-based solvers can prioritize these problematic areas, enabling more efficient repairs. Our results, tested across three games, demonstrate that this approach can help to repair procedurally generated levels faster.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google