跳到正文
arXiv · ML· Di Wu·· 2 天前AI 评分20

PCGRL 用于复杂平台游戏:通过膨胀包络和正向课程生成可玩且多样化的关卡

PCGRL for Complex Platformers: Synthesizing Playable and Diverse Levels via Inflated Envelopes and Forward Curricula

AI 导读

物理感知课程引导 PCGRL 框架解决复杂平台游戏长序列生成中的探索瓶颈与扩展限制,显著提升结构多样性并维持高物理可玩性。 引入膨胀体积包络机制将连续运动可行性融入 MDP 离散状态空间,结合中间状态转移反馈和多阶段正向扩展课程学习实现长时程稳定信用分配。

来源:arXiv · ML · arxiv.org