MétaCan
Menu
Retour à la cohorte
Enregistrement W3116419616 · doi:10.22215/etd/2019-13509

Procedural Generation of Three-Dimensional Game Levels with Interior Architecture

2019· dissertation· en· W3116419616 sur OpenAlexaff
William A. Hamilton

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueArtificial Intelligence in Games
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésModular designComputer scienceArchitecturePolygon meshFitness functionFunction (biology)Game engineEngineering drawingGenetic algorithmEngineeringHuman–computer interactionProgramming languageComputer graphics (images)Machine learning

Résumé

récupéré en direct d'OpenAlex

Procedural Content Generation can help game developers by automating the creation of content that is costly and tedious to develop by hand. We present a system to generate 3D game levels based on interior spaces such as buildings and dungeons. Our system generates individual rooms by using a shape grammar to recursively subdivide rectangular blocks. Multiple rooms can be joined to form a larger level layout. Our system searches for a good layout based on a fitness function specified by a human designer. We tested three search algorithms for this purpose and found that in almost all cases an evolutionary algorithm produced the best results. Once a level layout has been selected, architectural details are added to the layout by placing modular meshes such as columns and wall segments. The final level can be loaded in Unreal Engine 4, a widely used game engine.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,438
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,044
Tête enseignante GPT0,289
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArtificial Intelligence in GamesTravaux en français237 207