Laadukkaiden videopelikenttien tuottaminen generatiivisilla kilpailevilla neuroverkoilla
Hovinen, Johannes (2022)
Hovinen, Johannes
2022
Tieto- ja sähkötekniikan kandidaattiohjelma - Bachelor's Programme in Computing and Electrical Engineering
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-05-31
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202205195104
https://urn.fi/URN:NBN:fi:tuni-202205195104
Tiivistelmä
Videopelien tuotannossa videopelikenttien luominen on yksi resurssi-intensiivimimmistä prosesseista. Ajan ja rahan säästämiseksi videopelikenttiä voidaan tuottaa automaattisesti. Historiallisesti algoritmeilla on tuotettu videopelikenttiä esimerkiksi roguemaisiin videopeleihin, joissa peliin lisätään uudelleenpelattavuutta tuottamalla uusia kenttiä jokaisella pelauskerralla.
Videopelikenttä sisältää pelaajahahmon, tavoitteet ja esteet. Pelaajahahmon täytyy päästä tavoitteeseen ilman epäonnistumista ja esteet pyrkivät luomaan pelaajalle haastetilanteita.
Videopelikentän tuottaminen automaattisesti vähentää suunnittelijan vaikutusta lopputulokseen. Jotta voidaan tuottaa suuri määrä erilaisia videopelikenttiä, täytyy automaattisessa ratkaisussa olla tarpeeksi satunnaisuutta. Satunnaisuus voi myös vaikuttaa pelikokemukseen tai pelattavuuteen negatiivisesti. Esimerkiksi liian vaikea yhdistelmä esteitä voi aiheuttaa pelaajalle vaikeuksia edetä.
Automaattista videopelikentän tuottamista on myös alettu tutkia koneoppimisen näkökulmasta. Sisällöntuotanto koneoppivin keinoin pyrkii luomaan uutta jo olemassa olevasta datasta. Koneoppivien metodien soveltaminen videopelikenttien tuottamiseen ei kuitenkaan ole suoraviivaista, sillä videopelikenttien pelattavuuden rajoitteet aiheuttavat ongelmia. Tässä työssä tarkastellaan, miten pelattavuuteen, ulkonäköön ja vaikeusasteeseen voidaan vaikuttaa generatiivisten kilpailevien verkkojen yhteydessä.
Generatiiviset kilpailevat verkot ovat koneoppimisen metodi, joka perustuu kahden neuroverkon kilpailuun. Nämä verkot pystyvät onnistuneesti tuottamaan esimerkiksi kuvia. Kuitenkin videopelikenttien pelattavuuden rajoitteiden oppiminen aiheuttaa ongelmia. Näiden pelattavuuden rajoitteiden toteutumiseksi neuroverkkojen lisäksi voidaan käyttää esimerkiksi geneettistä optimointia tai videopelikentän korjausta. Myös neuroverkon arkkitehtuurilla ja aloitusdatan manipulaatiolla voidaan vaikuttaa positiivisesti lopputulokseen.
Tutkielmassa todettiin, että tarpeeksi sivistyneellä ratkaisulla generatiivisilla kilpailevilla verkoilla voidaan tuottaa yksinkertaisia videopelikenttiä, jotka näyttävät vakuuttavilta ja täyttävät pelattavuuteen liittyvät rajoitteet. Kuitenkin yleisistä pelien välisistä toteutuksista ollaan vielä kaukana ja suurin osa tutkimuksesta rajoittuu kaksiulotteisiin diskreetteihin videopeleihin.
Videopelikenttä sisältää pelaajahahmon, tavoitteet ja esteet. Pelaajahahmon täytyy päästä tavoitteeseen ilman epäonnistumista ja esteet pyrkivät luomaan pelaajalle haastetilanteita.
Videopelikentän tuottaminen automaattisesti vähentää suunnittelijan vaikutusta lopputulokseen. Jotta voidaan tuottaa suuri määrä erilaisia videopelikenttiä, täytyy automaattisessa ratkaisussa olla tarpeeksi satunnaisuutta. Satunnaisuus voi myös vaikuttaa pelikokemukseen tai pelattavuuteen negatiivisesti. Esimerkiksi liian vaikea yhdistelmä esteitä voi aiheuttaa pelaajalle vaikeuksia edetä.
Automaattista videopelikentän tuottamista on myös alettu tutkia koneoppimisen näkökulmasta. Sisällöntuotanto koneoppivin keinoin pyrkii luomaan uutta jo olemassa olevasta datasta. Koneoppivien metodien soveltaminen videopelikenttien tuottamiseen ei kuitenkaan ole suoraviivaista, sillä videopelikenttien pelattavuuden rajoitteet aiheuttavat ongelmia. Tässä työssä tarkastellaan, miten pelattavuuteen, ulkonäköön ja vaikeusasteeseen voidaan vaikuttaa generatiivisten kilpailevien verkkojen yhteydessä.
Generatiiviset kilpailevat verkot ovat koneoppimisen metodi, joka perustuu kahden neuroverkon kilpailuun. Nämä verkot pystyvät onnistuneesti tuottamaan esimerkiksi kuvia. Kuitenkin videopelikenttien pelattavuuden rajoitteiden oppiminen aiheuttaa ongelmia. Näiden pelattavuuden rajoitteiden toteutumiseksi neuroverkkojen lisäksi voidaan käyttää esimerkiksi geneettistä optimointia tai videopelikentän korjausta. Myös neuroverkon arkkitehtuurilla ja aloitusdatan manipulaatiolla voidaan vaikuttaa positiivisesti lopputulokseen.
Tutkielmassa todettiin, että tarpeeksi sivistyneellä ratkaisulla generatiivisilla kilpailevilla verkoilla voidaan tuottaa yksinkertaisia videopelikenttiä, jotka näyttävät vakuuttavilta ja täyttävät pelattavuuteen liittyvät rajoitteet. Kuitenkin yleisistä pelien välisistä toteutuksista ollaan vielä kaukana ja suurin osa tutkimuksesta rajoittuu kaksiulotteisiin diskreetteihin videopeleihin.
Kokoelmat
- Kandidaatintutkielmat [8798]