绝悟AI再次亮相GDC 展示人机协作与AI内容生成能力

AI自动生成游戏关卡,推进虚实融合未来

游戏内容通常包括角色、地图、建筑、关卡、世界等,而游戏内容的制作成本很高,一般来说,一款大型游戏需要数百人花费几年时间开发。程序化内容生成(Procedural Content Generation,PCG)近年来成为游戏行业的一大热点,即通过程序算法自动生成游戏内容,提高制作效率。

由于消耗速度远快于生产,程序化生成游戏关卡的需求尤为突出。比如你可能花几分钟就完成一关《超级马里奥兄弟》,游戏制作方却需要几天或几周的时间来开发。此前行业已有基于构造、基于搜索和基于模型等方法,但这些方法生成的关卡通常缺少对实际游戏体验的建模,例如:难度、节奏等。

利用AI bot技术自动生成游戏关卡的优势明显,AI bot可以作为人类玩家的代理,代替人类进行大规模地关卡评估和测试,降低人力成本;还能提供更多语义信息,减少对训练数据的依赖;以及根据语义信息提升生成关卡的游戏体验。

腾讯AI Lab正探索将AI自动生成关卡技术应用于2D、3D等类型的游戏之中。在本次大会上,我们以一款自研的2D小游戏作为案例,只需要不到一百个训练关卡作为输入,AI即可在几个小时内生成一千多个可玩的、高质量、多样化的关卡。

具体到技术方案,AI的第一个任务是生成可玩的关卡。我们可以借助AI bot跑图并筛选出可玩的关卡,这里的核心是如何训练一个通关能力强、泛化能力好的AI bot,它可以评估大量没有见过的关卡。在特征上,我们使用以AI bot为中心的相对位置特征,去除了绝对坐标相关的特征,防止模型过拟合;在数据上,我们使用大量生成的关卡作为AI bot的训练关卡,提高泛化能力;在模型上,我们使用PPO算法和RND算法让AI bot更稳更快地探索通关。最后利用AI bot跑图测试滤掉不可玩的关卡。

第二步,在可玩的基础上,AI要提升关卡的质量,高质量的关卡是指符合游戏设计规范、美学、乐趣等,更重要的是需要和种子关卡的游戏体验是一致的。我们可以通过AI bot跑图模拟对局结果,可以获取体验相关的特征,例如:每帧的承伤、子弹位置等,然后基于种子关卡和少量人类标注数据训练评估器模型。最后结合MCTS算法和评估器模型进行搜索,相比随机搜索,MCTS生成的关卡的评估得分提升约50%。

最后,重复相似的关卡会直接影响玩家的体验,因此AI还要能识别并去除相似的关卡。我们采用的是无监督训练模型自编码器,该方法不需要依赖有标注的数据,在自编码器的基础上,我们加入了AI bot跑图的语义信息作为监督信号,让自编码器的隐层去预测跑图结果,这样可以使得关卡编码向量除了刻画关卡的视觉信息之外,还可以刻画游戏体验的语义信息。最后通过自编码器学习到的关卡编码向量进行相似度计算,从而过滤掉相似的关卡。

此外,AI还可以用于动态难度调整,让玩家能从具有挑战的关卡中获得成就感,又不至于“卡关”。我们的方法是通过AI bot模拟不同buff的难度效果,建立buff与难度之间的映射,根据玩家实际的表现,动态投放合适的buff来提升玩家的心流体验。

借助关卡编辑器工具,AI还可与玩家协作生成关卡,AI可以根据玩家制作和修改的关卡来迭代模型训练和关卡生成的效果,玩家也可以获得更高质量和更多样的关卡进行二次创作。这也是用户生成内容(UGC)趋势下,AI技术的潜在应用之一。

相比之下,AI生成3D关卡内容则要复杂得多,3D关卡涉及地形起伏、元素之间的关联、不同分辨率的元素、路线与区域规划等,更考验AI的生成能力。目前腾讯AI Lab已在约200个训练关卡的基础上,结合人类的标注编辑,生成了超过一万个3D关卡,并在持续探索AI在3D领域的多种内容生成能力。

展望未来,虚拟世界与真实世界将高度融合,人们生活工作的更多方面将实现线上、线下一体化。前沿AI正成为虚实融合未来的基础设施,将助力构建更加开放、庞大、多样且高品质的虚拟世界,创造前所未有的体验与机遇。