Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

IPCGRL: Language-Instructed Reinforcement Learning for Procedural Level Generation

Created by
  • Haebom

作者

In-Chang Baek, Sung-Hyun Kim, Seo-Young Lee, Dong-Hyeon Kim, Kyung-Joong Kim

概要

本稿では、強化学習ベースの命令ベースの手続き型コンテンツ生成方法であるIPCGRLを提案します。 IPCGRLは文章埋め込みモデルを統合し、ゲームレベルの条件を効果的に圧縮し、特定のタスクに合わせた埋め込み表現を微調整します。 2次元レベル生成作業における従来の一般的な埋め込み方法と比較して、IPCGRLが制御可能性を最大21.4%、未知の命令に対する一般化性能を17.2%向上させることを確認しました。これにより、条件付き入力のモダリティが拡張され、より柔軟で表現力のある手続き型コンテンツ生成インタラクションフレームワークが可能になります。

Takeaways、Limitations

Takeaways:
命令ベースの手続き型コンテンツ生成に対する新しいアプローチを提示する。
文章埋め込みモデルを活用してゲームレベル条件を効果的に圧縮します。
従来の方法と比較して制御性と一般化性能を向上させました。
条件付き入力のモダリティを拡張して、より柔軟で表現力のあるインタラクションフレームワークを提供します。
Limitations:
2次元レベルの作成作業の評価のみが行われ、他の種類のコンテンツ生成作業への一般化の可能性についてはさらなる研究が必要です。
使用される文章埋め込みモデルのパフォーマンスによっては、IPCGRLのパフォーマンスが影響を受ける可能性があります。
実際のゲーム環境での適用とパフォーマンス評価が必要です。
👍