Forscher der Politecnico di Milano haben generative Netzwerke genutzt, um neue Levelstrukturen für DOOM zu erzeugen. Der NVIDIA Technical Blog beschreibt den Ansatz am 9. Mai 2018. Das zugrunde liegende Paper zu DOOM Level Generation using Generative Adversarial Networks wurde Ende April veröffentlicht.
Das Team trainierte zwei Generative Adversarial Networks, kurz GANs. Ein Modell erhielt einfache Bilder der Level, das zweite zusätzlich Merkmale zur Topologie. Dazu gehörten unter anderem begehbare Flächen, Räume, Wände, Höhen und Objekte. NVIDIA nennt rund 1.000 DOOM-Level als Trainingsmaterial für den beschriebenen Versuch.
Topologische Merkmale beeinflussen die erzeugten Karten
Die Forscher verglichen die beiden Modelle anhand der erzeugten Levelbilder. Das Netzwerk mit zusätzlichen Strukturmerkmalen konnte die räumlichen Eigenschaften der Vorlagen besser abbilden. Die Ergebnisse bestanden zunächst aus Kartenbildern und waren damit ein Forschungsprototyp für prozedurales Leveldesign, keine fertige Produktionspipeline für direkt spielbare DOOM-Karten.
Der Ansatz zeigt, wie Verfahren aus dem maschinellen Lernen für die Analyse und Erzeugung von Spielinhalten eingesetzt werden können. Die Arbeit ersetzt nicht die Regeln, Werkzeuge und Tests eines Leveldesign-Teams. Sie liefert aber ein Verfahren, mit dem sich räumliche Muster aus vorhandenen Spielwelten untersuchen lassen. Ein früherer Bericht über evolutionäre Algorithmen in Q*bert behandelte bereits einen anderen Einsatz lernender Verfahren in einem Spielkontext.