Software Hyena::

요약 기존 PCG 기법은 작은 세그먼트 형태의 레벨에서 주로 작동함 GAN을 사용해 여러 세그먼트를 생성하고 이를 하나로 결합해 일관된 전체적인 패턴을 생성하는 것이 목표 서로 다른 세그먼트는 부드럽게 난이도 증가, 혹은 반복 구조, 대칭적이 되도록 이러한 용도로 많이 사용되는 (패턴 생성) Compositional Pattern Producing Networks)를 바탕으로 함 Direct2GAN과 CPPN2GAN 사이의 비교 실험을 진행하는 것으로 보임 레벨의 커버리지 면적이 떨어진다고 함 임의의 레벨 크기에 확장되지 않는다고 함 게임 레벨 이외에도 다른 분야에 관련 있을 수 있다 함 정리 CPPN을 이용해 LVE를 생성하고 LVE를 입력으로 GAN을 사용하는 느낌 젤다와 마리오에 대해 실험 진행 마..

요약 일반적으로 새로운 환경에서 에이전트를 훈련시키는 것은 어려운 작업 이들이 제시한 ARLPCG는 Generator라는 하나의 PCG RL 에이전트와 Solver라는 문제 해결 RL 에이전트를 사용하는 적대적 모델로 이뤄짐 Generator는 Solver의 성능에 따라 보상을 받으며, 도전적이지만 불가능하지 않은 환경을 생성 추가로 다양한 환경 생성을 위한 보조 입력을 추가함 Solver는 Generator가 생성하는 것을 해결함으로써 일반화 성능 향상 Generator는 Solver가 풀 수 있는 새로운 환경 생성 third-party platformer와 racing 게임을 예시로 사용함 정리 PCGRL과의 차이점 Solver 에이전트가 다음 단게에 도달해야 Generator가 다음 단계를 생성함 ..

요약 강화학습이 레벨 디자인 에이전트를 훈련시키는데 사용될 수 있는 방법 조사 훈련 예제가 거의 없거나 없는 경우에도 쉽게 사용 가능 세 가지 다른 방법 조사 및 세 가지 게임 환경에 적용 정리 어떻게 하면 레벨 생성 문제를 해결 가능한 강화학습 문제로 제시할 수 있을까? 에서 출발한 연구 일반적인 DL 기반 접근 방식과 차이점은 각 단계마다 완전한 레벨로 나아간다는 점 이들은 게임 레벨을 강화학습 문제로 취급하기 위해 아래와 같이 세 가지 다른 표현을 제시함 Narrow representation Turtle representation Wide representation 이들은 PCGRL을 어떤 게임에서든 쓸 수 있도록 일반화하기 위해 세 가지 부분으로 프레임워크를 나눔 Problem module: 목..

요약 panorama of RL DL과 RL을 키워드로한 연구들 (ATARI, Chess, Go 등) 분석 public data, framework 등을 찾음 정리 Game 환경 (game world), action(game controls) evaluation criteria(game score) 등에 RL이 사용됨 초반에는 ATARI 2600 game들이 이후엔 DOTA2, Starcraft, Chess, Go 등에 적용되었고 DQN type의 알고리즘이 다른 고전적인 RL algorithm 보다 동작을 잘 했다. Background : MDP, RL, Policy, State Evaluation, Energy Evaluation, Bellman Equations, Best Policy, Policy..

요약 Deep Learning 기반의 간접 혹은 직접적으로 연관이 있는 PCG 연구에 관한 Survey 논문임 정리 Game Levels, Text, Character models. Textures 에 관해 다루는 것으로 파악됨 무엇을 생성하는지에 따른 제양사항과 이점, 예시를 포함해 설명 예정 딥러닝 이전에서는 searchbased methods, solver-based methods, constructive generation methods (such as cellular automata and grammarbased methods), fractals, noise, and ad-hoc methods을 진행함 검색 기반, 솔버 기반, 구성적 생성 (셀롤러 자동화 및 문법 기반), 프렉탈, 노이즈, ad..

요약 싱글비디오게임에서 난이도 정의의 필요성을 연구, enjoyment와 난이도의 관계등. automatic gameplay analysis 도 간단한 실험해봄 → 난이도 고려안하면 결과가 이상하게 나옴. 마지막 세션에서 플레이어와 게임디자이너에게 challenge와 difficulty를 정의함. 결론적으로 이게 difficulty로서 쓰일거임 정리 Difficulty Scaling은 게임디자인의 근본적인 요소지만 명백한 방법이 없음 Related Work 로 Synthetic Player로 Testing을 하는 방법이 있음. Mathmatical 한 expression을 찾기 Experiment the game and measure the paraemter real을 쓰든 Synthetic을 쓰던 ex..

요약 Game Level Generation의 자동화는 사용자가 다시 게임을 하도록 하게 하는 가능성을 높임. 근데 difficulty 정의가 어려움. 그래서 우리가 그거 metric 연구함. platform level과 user의 각 장애물마다의 실패율을 metric으로 제시. 이 metric은 automated process 에 사용가능. 실제 상용화된 게임에도 적용한 예시도 포함되어있음 정리 왜 Difficulty 를 Measure 하느냐? Automatic하게 kind of levels 을 만들거기 때문이다. platform level generation에 접근법이 여러개가 있지만 몇가지만 효과적이다. 논문에서는 근본적인 질문을 던짐 What makes a level difficult? 스타트포인..

Journal Reveiw of Game Anomaly Detection 논문제목 : A Study on Game Bot Detection Using Self-Similarity in MMORPGs 실제 기업의 데이터로 성능테스트와 시스템 구현등을하여 실전에 적용한 논문이라 리뷰를 진행해 보았다. Abstract 이 논문은 게임 봇이 가지고 있는 본질적인 특징인 프로그래밍된 패턴에 따라 행동을 반복하는 자기유사성을 주요한 특징으로 이용한 기계학습 기법을 제안하였고 위 모델을 자동으로 유지, 보수하는 시스템을 제안했다. 이 방법은 NC소프트의 게임인 리니지, 아이온, 블레이드 앤 소울이라는 게임들에 대해 성능을 테스했고, 실전에 적용하였다. Introduction - MMORPG에서의 봇, 작업장등에 대한..

Journal Reveiw of Game Anomaly Detection 논문제목 : A statistical aimbot detection method for online FPS games 실제 opensource 게임을 이용하여 aimbot과 일반유저를 detection한 논문이다. 게임사에서 제공하는데이터, API를 이용한 데이터들과 달리 실제로 게임을 수정하여 aimbot을 사용한 것과 아닌 것을 명확하게 데이터를 얻어낸 연구이다. 때문에 label의 신뢰도가 높다. 이 연구결과로 API로 얻어낸 데이터에도 어느정도 적용이 가능하다고 생각하여 이 논문을 선정하였다. Abstract FPS의 대한 소개, Aimbot의 정의, bot의 behaviour와 human의 behaviour의 차이에 중점을..

Journal Reveiw of Game Anomaly Detection 논문제목 : An Empirical Study of Anomaly Detection in OnlineGames 리뷰했던 논문들에 공통적으로 citation이 된 논문이 바로 이 논문이다. 제목부터 Empirical Study라고 하니 많은 노하우가 담겨있을것이라 생각하여 이 논문리뷰를 진행하였다. Abstract Anomaly Detection의 Game분야의 적용은 매우 적게 연구되고 있다. 이 논문에서는 online game에서의 anomaly detection에 대한 경험적인 내용들을 서술했다. 4개의 Unsupervised Learning Technique이 사용되었고 모든 실험은 VNG사의 2개의 실제 온라인 게임 데이터와..