MarioGPT: Open-Ended Text2Level Generation through Large Language Models

要約

Procedural Content Generation (PCG) は、複雑で多様な環境を自動化された方法で生成する技術です。
ただし、PCG 手法を使用したコンテンツの生成は多くの場合簡単ですが、特定の意図や制約を反映した意味のあるコンテンツを生成することは依然として困難です。
さらに、多くの PCG アルゴリズムには、オープンエンドな方法でコンテンツを生成する機能がありません。
最近、大規模言語モデル (LLM) が多くの多様なドメインで信じられないほど効果的であることが示されています。
これらのトレーニング済み LLM は微調整でき、情報を再利用して新しいタスクのトレーニングを加速できます。
ここでは、タイルベースのゲーム レベル (ここではスーパー マリオ ブラザーズのレベル) を生成するようにトレーニングされた微調整された GPT2 モデル、MarioGPT を紹介します。
MarioGPT は多様なレベルを生成できるだけでなく、制御可能なレベル生成をテキストで指示することもでき、現在の PCG 技術の重要な課題の 1 つに対処します。
私たちが知る限り、MarioGPT は最初のテキストからレベルへのモデルであり、ノベルティ検索と組み合わせることで、さまざまなプレイ スタイルのダイナミクス (プレイヤー パスなど) を備えた多様なレベルの生成と、ますます多様化する範囲の無制限の発見が可能になります。
内容の。
コードは https://github.com/shyamsn97/mario-gpt で入手できます。

要約(オリジナル)

Procedural Content Generation (PCG) is a technique to generate complex and diverse environments in an automated way. However, while generating content with PCG methods is often straightforward, generating meaningful content that reflects specific intentions and constraints remains challenging. Furthermore, many PCG algorithms lack the ability to generate content in an open-ended manner. Recently, Large Language Models (LLMs) have shown to be incredibly effective in many diverse domains. These trained LLMs can be fine-tuned, re-using information and accelerating training for new tasks. Here, we introduce MarioGPT, a fine-tuned GPT2 model trained to generate tile-based game levels, in our case Super Mario Bros levels. MarioGPT can not only generate diverse levels, but can be text-prompted for controllable level generation, addressing one of the key challenges of current PCG techniques. As far as we know, MarioGPT is the first text-to-level model and combined with novelty search it enables the generation of diverse levels with varying play-style dynamics (i.e. player paths) and the open-ended discovery of an increasingly diverse range of content. Code available at https://github.com/shyamsn97/mario-gpt.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google