ارزیابی مهم از رویکردهای تولید محتوای رویه ای برای دوقلوهای دیجیتال

تولید محتوای رویه ای (PCG) زمین یکی از اصلی ترین ساختمان های ساختمانی برای ایجاد دنیای مجازی خودکار و در زمان واقعی است. این مطالعه بررسی و بررسی عمیق ابزارها ، الگوریتم ها و موتورهای مورد استفاده برای PCG زمین برای PCG جهان های دیجیتال را ارائه می دهد. ما به ویژه روی تولید زمین تمرکز می کنیم اما به موضوعات اصلی مربوط به ساخت ساختارها و شخصیت ها نیز می پردازیم. این مهم است که بدانیم PCG زمین ها می توانند در یک سناریوی چند رشته ای اجرا شوند ، به عنوان مثال ، مدل سازی بازی ها ، شبیه سازی نقشه های صنعتی ، برنامه ریزی شهری و روستایی از توسعه ، دولت و برنامه های بهبود آژانس غیردولتی. بسیاری از مشکلات در رویکردهای فعلی از ادبیات مشخص شد ، جایی که بیشتر تحقیقات مورد مطالعه صرفاً نمونه سازی نمونه برداری مبتنی بر ، یعنی اثبات سیستم های مبتنی بر مفهوم ، و در محیط واقعی مورد آزمایش قرار نگرفتند. همچنین ، PCG مبتنی بر الگوریتم ژنتیکی از زمین ها فاقد ویژگی های مختلف مانند جاده ها و ساختمانها است. شهرهای مجازی که از طریق موتورهای مختلف ایجاد می شوند فاقد ظاهری و احساس واقع بینانه بودند. تولید زمین از طریق الگوریتم های تکاملی چند منظوره (MOEA) مورد بررسی قرار گرفته است ، و تلقی می شود که استفاده از آن محدود به دامنه بازی بوده و به سایر زمینه ها گسترش نمی یابد. یافته ها حاکی از آن است که صحت زمین تولید شده مسئله بزرگی در نسل اتوماتیک زمین ها است. بنابراین ، تمرکز روی بررسی صحت خودکار لازم است. دیگر تولید محتوای مهم در بازی های ویدیویی مانند تولید ساختار و تولید کاراکتر به طور گسترده مورد مطالعه قرار گرفته است و تکنیک ها در بخش های بعدی این کار تحقیقاتی مورد تجزیه و تحلیل قرار گرفته است.

1. معرفی

یک دوقلوی دیجیتال یک نرم افزار رایانه ای است که بر اساس داده های دنیای واقعی شبیه سازی هایی را ایجاد می کند تا پیش بینی کند که چگونه یک محصول یا فرآیند انجام می شود. برای بهبود خروجی ، این برنامه ها ممکن است از اینترنت اشیاء (صنعت 4. 0) ، هوش مصنوعی و تجزیه و تحلیل نرم افزار استفاده کنند. این مدل های مجازی به لطف پیشرفت در یادگیری ماشین و عناصری مانند Big Data [1] به یک استاندارد در مهندسی معاصر تبدیل شده اند تا نوآوری را هدایت کنند و عملکرد را تقویت کنند. به طور خلاصه ، داشتن یک فرد ممکن است به بهبود روندهای استراتژیک فن آوری ، جلوگیری از خرابی گران در اشیاء فیزیکی ، و فرآیندهای آزمایش و خدمات با استفاده از قابلیت های تحلیلی برتر ، نظارت و پیش بینی کمک کند.

جامعه انسانی از نظر فناوری های مخرب برای شکستن قوانین طولانی مدت کسب و کار با استفاده از مهندسی مجدد فرآیند کسب و کار (BPR) تکامل یافته است [1]. یکی از مهم ترین فناوری های مخرب مورد استفاده توسعه دهندگان نرم افزار، طراحی و پیاده سازی جهان های مجازی و محتوای شبیه سازی و مدل سازی آن ها است. بازی های الکترونیکی بخش قابل توجهی از زمان روزانه ما را مصرف می کنند، به ویژه در مناطق شهری که اینترنت در دسترس است و دسترسی به سخت افزار و نرم افزار بازی در دسترس است. مجمع جهانی اقتصاد درآمد صنعت بازی را تقریباً 165 میلیارد دلار در سال 2020 تخمین زد [2]. تقریباً 62 سال از آغاز صنعت بازی های رایانه ای در اواخر دهه 1950 می گذرد، با ساخت اولین بازی به نام «تنیس برای دو نفر» توسط فیزیکدان ویلیام هیگینبوهام [3]. از آن زمان، بازی های رایانه ای الکترونیکی پیشرفت، بهبود و رشد یافته اند. بازی ها تحت تأثیر هنجارها و ارزش های اجتماعی، دیدگاه های انسانی و روابط هستند و مهم تر از همه، به جامعه بازی ساز، سازندگان محتوا و توسعه دهندگان کمک کرده است تا پیشرفت های فناوری های رایانه ای را درک کنند. دهه 1970 شاهد معرفی بازی های آرکید و کنسول های بازی بود. کامپیوترهای شخصی در سال 1975 معرفی شدند و بازارهای خاص را هدف قرار دادند. صنعت بازی همچنان در حال کار بر روی معرفی بازی ها و ایده های جدید برای استفاده عمومی از این فناوری بود. در دهه 1990، رایانه های شخصی به تولید انبوه رسیدند و از این رو، کنسول های بازی خانگی به سرعت در حال افزایش بودند. استقبال از بازی خانگی با توسعه بازی تیراندازی اول شخص [4] صورت گرفت. رشد مداوم و سریع صنعت و گنجاندن محتوای سه بعدی، صنعت بازی های ویدیویی را از نظر اندازه فوق العاده کرده است [5]. به این ترتیب، تقاضا برای طراحی و تولید محتوای هیجان انگیز افزایش یافته است. سازندگان و توسعه دهندگان محتوای صنعت بازی با خواسته های این کاربران رده بالا کنار می آیند. این کاربران همیشه مشتاق هستند تا در کمترین زمان ممکن و هزینه کمتر به دنبال محتوای هیجان انگیز و چالش برانگیز کشف نشده بگردند.

پیشرفت های فناوری و در دسترس بودن قدرت محاسباتی بالا باعث شده است که جامعه بازی در بازی بسیار انتخابی و محتاطانه در اتخاذ یک بازی باشد. توسعه دهندگان بازی های ویدیویی و سازندگان محتوا همیشه از نظر کمیت و کیفیت با تولید محتوا مبارزه می کنند. تلاش های دستی و کار باعث افزایش هزینه های تولید و زمان تحویل به بازار می شود. در تولید بازی ، سازندگان محتوا و توسعه دهندگان از ابزارهای مختلفی برای تولید محتوای هیجان انگیز مانند مایا [6] و Unity 3D [7] استفاده می کنند. توسعه دهندگان بازی باید یک دنیای مجازی برای بازی ایجاد کنند و انواع مختلفی را در آن جهان به همراه داستان های تعاملی و سطح قابل پخش ایجاد کنند. کل فرایند باید مقیاس پذیر باشد [8] و مقرون به صرفه برای تولید کنندگان بازی ها و کل جامعه بازی. تولید محتوا برای بازی های ویدیویی یک نگرانی اساسی برای توسعه دهنده بازی های ویدیویی و تولید کنندگان بوده است. سفر از ایجاد محتوای دستی در توسعه بازی های ویدیویی به ایجاد محتوا از طریق الگوریتم ها چالش برانگیز بوده است. محققان سعی کرده اند ترکیبی از ایده ها را از ایجاد محتوای خالص برای ترکیب و تولید محتوای خودکار [9].

در بازی های ویدئویی و الکترونیکی ، تولید محتوای رویه ای (PCG) با استفاده از الگوریتم ها ، محتوای دنیای بازی را به صورت خودکار ایجاد می کند. این محتوا می تواند از پخش شخصیت ها ، شخصیت های غیر بازی ، داستان و معماها گرفته تا اکوسیستم و محیط باشد ، که باعث ایجاد محیط و احساس [10] داستان داستانی می شود. بنابراین ، برای تولید بسیاری از مطالب ، از مکانیسم PCG استفاده می شود. دلایل و اهداف مختلفی برای استفاده از چنین روشهای تولید محتوا وجود دارد. این رویکرد می تواند مدت و هزینه فرآیند تولید محتوا را کاهش دهد [11] ، دستیابی به زمان مناسب به بازار و محتوای مقرون به صرفه. همچنین ، محتوای هیجان انگیز و غیرقابل پیش بینی برای کاربران بازی با هدف افزایش فن و زمان پخش انجام می شود. طبق تعریف Freiknecht و Effelsberg [12] ، "تولید محتوای رویه ای ایجاد خودکار دارایی های دیجیتال برای بازی ها ، شبیه سازی ها یا فیلم های مبتنی بر الگوریتم ها و الگوهای از پیش تعریف شده است که نیاز به حداقل ورودی کاربر دارند."

طبق تعریف [13] مریام وبستر ، زمین به یک منطقه جغرافیایی یا یک قطعه زمین با ویژگی های فیزیکی اشاره دارد که تمایل به فرسایش دارند. وقتی صحبت از بازی های ویدیویی الکترونیکی ، شبیه سازی ها یا فیلم ها می شود ، سپس زمین یا زمین مجازی واقعاً در نظر گرفته می شود. یک دنیای مجازی شبیه یک زمین فیزیکی واقعی یا محصول تخیل خالص و فانتزی یا حتی ترکیبی از هر دو است. مدل سازی و تولید زمین مجازی در بازی ها و شبیه سازی ها و برنامه های آموزشی بسیار مهم است [14]. هدف ایجاد زمینی است که طبق الزامات با حداقل تلاش و نگه داشتن عنصر تعجب و علاقه دست نخورده باشد. زمین مجازی در بازی ، مرحله ای است که داستان و شخصیت های آن به صورت منسجم و همهجانبه با هم کار می کنند تا یک تجربه هیجان انگیز ایجاد کنند. زمین محیط بازی به داستان ارزش افزوده و سطح علاقه بازیکنان را افزایش می دهد و یک نمونه می تواند زمین گرمسیری یا شهری باشد.

تولید زمین اتومبیل یکی از عوامل مهمی است که می تواند هزینه و تلاش های درگیر در ایجاد یک بازی الکترونیکی جدید را به میزان قابل توجهی کاهش دهد. هزینه و زمان تنها عواملی نیستند که مورد توجه توسعه دهنده بازی و طراحان قرار می گیرند. همچنین بسیار مهم است که محتوا برای نگه داشتن مخاطب و کاربران بازی ، هیجان انگیز و غیرقابل پیش بینی باشد. جدا از دامنه بازی الکترونیکی ، تولید محتوای جالب و غیرقابل پیش بینی جالب یک عامل مهم در شبیه سازی و سیستم های آموزش مجازی است.

به گفته هکر [15] ، "بازی مبتنی بر تولید تصادفی محتوا را بر اساس عناصر از پیش تعریف شده که توسعه دهندگان سخت کدگذاری کرده اند" و "بازی مبتنی بر تولید رویه ای که خود محتوای اصلی را برای پخش کننده اکتشاف یا استفاده ایجاد می کند ، می سازد."از اینها می توان برای تولید عناصر یک بازی استفاده کرد. به عنوان مثال ، در بازی "اتصال اسحاق" ، از تولید تصادفی استفاده می شود ، در حالی که در بازی هایی مانند Minecraft و Terraria ، از تولید رویه استفاده می شود. مهمترین اصطلاحات در تولید رویه ، نویز است که به عنوان سر و صدای پرلین نیز شناخته می شود. سر و صدای پرلین یک بافت رویه ای بدوی است ، نوعی سر و صدای شیب مورد استفاده توسط هنرمندان جلوه های بصری برای ساختن تصاویر رایانه ای واقع بینانه تر به نظر می رسد. اگرچه به نظر می رسد این تابع شبهروندوم است ، اما تمام ویژگی های بصری آن به همان اندازه است. در تولید زمین ، اولین قدم ایجاد افق با تپه ها ، دره ها و کوه ها است. برای ایجاد این موضوع ، یک افست معرفی شده است که الگویی را برای جالب تر کردن زمین ایجاد می کند. برای تغییر این افست به طور تصادفی ، از نویز پرلین برای معرفی تغییرات در زمین استفاده می شود. افست را می توان به بالا و پایین یا چپ یا راست منتقل کرد تا زمین های نرم و واقعی تر و واقع بینانه تری مانند کوه ها ، تپه ها و دره ها ایجاد شود. همین اصل را می توان در 3 بعد برای تولید غارها با استفاده از دو مجموعه ژنراتور نویز در دو محور استفاده کرد. تقاطع هر نقطه از فضا نقطه جدیدی خواهد بود که ارتفاع یا عمق را در فضای سه بعدی تعریف می کند.

صنعت بازی و سایر سوله ها نیز علاقه مند به استفاده از روندهای فناوری مدرن برای دستیابی به تولید محتوای مجازی و خودکار خود هستند [16]. به عنوان مثال ، صنعت گردشگری مفهوم گردشگری مجازی را مورد بررسی قرار داده است [17]. گردشگری مجازی ممکن است تنها روش گشت و گذار و گردشگری در آینده باشد در صورت وجود همه گیر مانند Covid-19. چنین رویکردی ممکن است در حوزه های مختلفی اعمال شود که در آن اجتماع و تحرک اجتماعی محدود شود [18]. برنامه ریزی شهری و طراحی منظره وقت گیر است و مشاغل تخصصی گرا برای آینده بشریت بسیار مهم است. همچنین ، دانشگاه های برتر دانشگاهی طراحی معماری و برنامه ریزی شهری را آموزش می دهند [19] شامل زمین های مجازی برای مرحله برنامه ریزی. ارائه دهندگان راه حل پیشرو در صنعت در GIS و برنامه ریزی شهری همچنین راه حل هایی را ارائه می دهند [20] که به برنامه ریز و معماران شهری کمک می کند. PCG می تواند به آنها کمک کند تا ضمن تمرکز روی اهداف مورد نظر ، به سرعت برنامه های زمینی را با حداقل تلاش بسازند. زمین های مجازی در حوزه های بحرانی مأموریت عملی هستند که در آن استفاده از ابزارها و ماشین های موجود امکان پذیر نیست. بنابراین ، خلبانانی که با استفاده از یک شبیه ساز آموزش داده می شوند نسبتاً ارزان تر از این هستند که چندین بار در سناریوی واقعی آموزش دیده اند [21].

زمین مجازی یک مؤلفه مهم دنیای مجازی است. چنین زمینی برای بازی ها یا هر دنیای مجازی دیگر یا هر سوله های قابل اجرا دیگر کاربرد دارد. طبق این یافته ها ، صحت زمین ایجاد شده یک نگرانی عمده در تولید خودکار زمین ها است. در نتیجه ، بررسی صحت خودکار باید در اولویت قرار گیرد. سایر روشهای اصلی تولید محتوای در بازی های ویدیویی ، مانند ایجاد ساختار و تولید شخصیت ، به طور گسترده مورد بررسی قرار گرفته است و رویکردها در بخش های بعدی مورد بحث قرار گرفته است. با این وجود ، تولید زمین دستی یک کار وقت گیر و خسته کننده است و نیاز به تلاش و هزینه عظیم دارد. بنابراین ، در صورت نیاز به کاهش زمان و هزینه برای تحویل ، تولید زمین خودکار لازم است. همچنین می تواند در تولید زمین مورد نظر با نیازهای جزئی یا بدون ورودی کمک کند. این کار کارهای قبلی را که در زمینه تولید زمین های رویه ای انجام شده است ، مطالعه خواهد کرد. بخش آخر مقاله و دستورالعمل های آینده را به تحقیق در همان دامنه نتیجه می دهد.

2. نسل زمین

به گفته یین و ژنگ [22] ، کاربران به طور طبیعی می توانند ویژگی های زمین را از طریق روش تولید پارامتری کنترل شده زمین (PCTG) قرار دهند. این امر می تواند با ساخت طرح ها و پارامترهای قابل تنظیم حاصل شود که در هنگام کنترل روند تولید زمین به راحتی قابل درک است. این مهم است که در مورد اهمیت تولید رویه ای از زمین ها بیان شود که سنتز زمین به طور گسترده در آموزش شبیه سازی ، جابجایی و بازی های رایانه ای اعمال می شود. نتایج تجربی نشان داده است که استفاده از زمین ها بسیار کارآمد است [23]. به گفته فرید و همکاران ، صنعت بازی به طور فزاینده ای روی روشهای تولید محتوای رویه ای متمرکز است.[24]با توجه به درجه بالای غیرقابل پیش بینی بودن الگوریتم های رویه ای که در بازی های ویدیویی به کار رفته است ، انتظار می رود گیمرها چندین آزمایش و شبیه سازی را برای به دست آوردن یک سیستم رویه مؤثر انجام دهند.

2. 1نسل زمین رویه ای

بازیکنان در بازی های رایانه ای به راحتی می توانند با استفاده از عوامل هوش مصنوعی و در عین حال تولید داده های گیم پلی به راحتی مدل شوند [25]. نماینده شاغل قادر به تیراندازی و جابجایی سناریوهای مختلف بازی است. علاوه بر این ، زمین توسعه یافته مخصوص محتوای بازی است و در بازی های ویدیویی اجرا می شود. از نظر فنی ، تولید خودکار زمین در بازی های رایانه ای باعث می شود توسعه بازی های رایانه ای ارزان تر شود و از این طریق کار طراح را کاهش می دهد. همچنین با ارائه مداوم محتوای بازی جدید ، تجربه بازیکن را غنی می کند. این کار از یک بازی تیراندازی 2D مبتنی بر نوبت استفاده می کند و بر طراحی یک نسل زمین محور گیم پلی در زمین سوخته تأکید می کند. ویژگی های بازی همچنین مستلزم پرتابه های مسیر برای مدیریت گرانش است. بعد از هر نوبت ، بازیکن می تواند زاویه تیراندازی و قدرت پرتابه را برای شلیک تخمین بزند. بازیکنان همچنین می توانند هنگام تخمین زاویه تیراندازی صحیح از برخورد زمین خودداری کنند. بازیکنان همچنین امکان جابجایی مخازن را دارند تا بتوانند در حین تیراندازی خود را موقعیت کنند.

تولید رویه ای راهی برای تولید الگوریتمی داده به جای دستی در رایانه ها است ، معمولاً با ترکیب مواد و روشهای تولید شده توسط انسان با تصادفی و ظرفیت محاسبات تولید شده توسط رایانه. این ماده اغلب در گرافیک رایانه برای تولید بافت و مدل های سه بعدی مورد استفاده قرار می گیرد. از آن در بازی های ویدیویی برای تولید خودکار حجم عظیمی از مواد استفاده می شود. اندازه پرونده های کوچکتر ، محتوای بیشتر و غیرقابل پیش بینی بودن برای گیم پلی کمتر قابل پیش بینی بسته به اجرای ، برخی از مزایای تولید رویه است. زیر مجموعه ای از سنتز رسانه ها تولید رویه ای است.

PCG یک تکنیک مهم برای توسعه بازی های رایانه ای است که احتمالاً در آینده هم به صورت آفلاین از اهمیت بیشتری برخوردار خواهد شد ، برای کارآمدتر کردن روند توسعه بازی (طراحی محتوا مانند محیط و انیمیشن ها اکنون بخش بزرگی از بودجه توسعه را مصرف می کند. بیشتر بازی های تجاری) و به صورت آنلاین ، برای افزایش ارزش پخش ، درآمد تبلیغات و سایر مزایا.

طبق [26] ، تولید محتوای رویه ای برای بازی ها (PCG-G) سخت است زیرا ژنراتور باید مواد تولید کند ، به محدودیت های هنرمند پایبند باشد و نمونه های جالب توجه بازیکنان را ارائه دهد. در این مقاله به یک طبقه بندی شش لایه از محتوای بازی: بیت ، فضا ، سیستم ، سناریوها ، طراحی و مشتق شده است و امکانات پژوهشی بالقوه مختلف را در PCG-G برجسته می کند.

این مقاله [27] توضیح می دهد که چگونه سطح سفارشی برای بازی های پلتفرم به طور خودکار تولید می شود. با توسعه مدل هایی که تجربه بازیکن را بر اساس عناصر طراحی سطح و رفتارهای بازی پیش بینی می کردند. این مدل ها با استفاده از یادگیری اولویت ساخته شده اند و بر اساس پرسشنامه هایی که پس از اتمام مراحل مختلف به شرکت کنندگان داده می شوند ، ساخته شده اند.

این مقاله با توسعه (1) مدل های دقیق تر بر اساس یک مجموعه داده بسیار بزرگتر (2) یک سیستم برای تنظیم پارامترهای طراحی سطح به بازیکنان مشخص و بازی (3) ارزیابی این مکانیسم سازگاری با استفاده از هر دو الگوریتم ، تولید سطح بازی رویه را خلاصه می کند. و بازیکنان انسانی

در مقاله [28] ، یک نسل زمین رویه ای مبتنی بر جستجو تعریف شده است ، و هدف این بود که با رویکردهایی که با این نام پیش می روند و نمی توان به دست آورد ، بررسی شود. در این مقاله در مورد همبستگی بین جستجو و سایر انواع مختلف روشهای تولید محتوای رویه ای بحث شده است.

DTL (کتابخانه الگوی Dungeon) [29] یک ابزار کتابخانه نرم افزاری است که برای تولید Rougelike و Terrain بر اساس تولید رویه استفاده می شود.

Three. Terrain [30] موتور است که با استفاده از روش تولید رویه ای که برای تولید زمین با استفاده از کتابخانه گرافیکی سه بعدی سه بعدی استفاده می شود.

ما کار انجام شده در تولید زمین رویه را به طور عمده به چهار دسته بر اساس ماهیت الگوریتم ها طبقه بندی می کنیم. این دسته ها به شرح زیر است: (1) رویکردهای مبتنی بر الگوریتم ژنتیکی (2) رویکردهای طبقه بندی مبتنی بر موتور (3) رویکردهای مبتنی بر هدف (4) رویکردهای دیگر

2. 1. 1. رویکردهای مبتنی بر الگوریتم ژنتیکی

طراحان ممکن است بسته به احساسات زیبایی شناختی یا خصوصیات مورد نظر خود با استفاده از رویکرد برنامه نویسی زمین ژنتیکی ، زمین تولید کنند ، که مبتنی بر طراحی تکاملی با استفاده از برنامه نویسی ژنتیکی است. این روش برنامه های زمینی (TPS) را توسعه می دهد ، که می تواند خانواده ای از زمین ها را تولید کند - زمین های متمایز با همان خواص مورفولوژیکی. الگوریتم ژنتیکی تعاملی (IGA) که برای تولید زمین استفاده می شود به معنای الگوریتم هایی است که به ارزیابی انسان یا تست تناسب اندام نیاز است. یک متخصص غیر متخصص می تواند از IGA در تولید زمین های سریع استفاده کند [31]. علاوه بر این ، موتورهای گرافیکی می توانند با استفاده از بیش از 800 پارامتر نقطه شناور ، زمین ها را مشخص کنند. با این حال ، افزایش تعداد پارامترهای نقطه شناور می تواند کاربران غیر متخصص را تحت الشعاع قرار دهد. طراحی یک سیستم تولید زمین اتومبیل (TAGS) در این تحقیق مورد بحث قرار گرفته است. برچسب ها به طور خاص مبتنی بر اجرای IGA است و به مسائل تکنیک رویه پیچیده می پردازد. طراحی پیشنهادی ترجیح کاربر را پیاده سازی می کند ، در نتیجه فضای پارامتر چند بعدی را برای برآورده کردن شهود زیبایی شناسی و کاربر بررسی می کند. یک تکنیک نیمه خودکار با مدل سازی به کمک رایانه و مدل سازی مبتنی بر فیزیک می تواند یک کار نوآورانه باشد. ترکیبی از این تکنیک ها جنبه های ورودی کاربر را کاهش می دهد و در عین حال باعث افزایش خروجی با کیفیت بالا می شود. والش و گاد [31] اظهار داشتند كه برچسب ها صرفاً به عنوان اثبات مفهوم اثبات شده است. یک مطالعه کنترل شده تر با کاربران بی طرف ، نمونه بزرگی از کاربران و بسیاری از ویژگی ها برای به دست آوردن نتایج دقیق مورد نیاز است. بسیاری از ویژگی ها گنجانده نشده است ، مانند جاده ها و ساختمانهای موجود در نسل زمین ، که باعث می شود زمین های تولید شده غیرواقعی باشند.

گندم و همکاران[32] یک روش PCG را برای تولید سطوح دشواری بازی دوبعدی متناسب با مهارت های گیمر خاص معرفی کرد. تکنیک تنظیم دشواری پویا (DDA) بر اساس الگوریتم ژنتیک، با ایجاد سطوح متعدد به جذب گروه گیمر بزرگتر کمک می کند. این مطالعه بر تولید رویه ای محتوای بازی، دقیقاً سطح دشواری بازی پویا در بازی های پلتفرمر دوبعدی تأکید دارد. این مطالعه مختص بازی توسعه یافته است و تعمیم داده نشده است. تنها چهار پارامتر به همراه تعداد کمی از نمونه های شرکت کننده در مطالعه در نظر گرفته شد. نتایج پیشنهادی نیاز به مطالعه و تحقیق بیشتر دارد.

2. 1. 2. رویکردهای طبقه بندی مبتنی بر موتور

رالیبی و همکاران[33] روش های رویه ای را در محیط بازی سه بعدی با تولید سطوح مختلف بازی به صورت پویا با محدودیت های تصادفی و انتخاب شده توسط کاربر اعمال کرد. به نظر می رسد این کار توسط یک شرکت واقعی برای ارزیابی آزمایش نشده است. توسعه اپلیکیشن وب در زبان برنامه نویسی جاوا بخشی از این مطالعه بود، و ترکیب آتی عوامل هوش مصنوعی برای نظم بخشیدن به دنیای بازی در نظر گرفته شده است.

همانطور که توسط گروتر و همکاران مورد بحث قرار گرفته است، تولید پویا ساختارهایی مانند شهرها با ساختارهای ساختمانی متنوع با استفاده از PCG یکی از رویکردهای فعلی صنعت بازی است.[34]. اعداد شبه تصادفی در ترکیب با الگوریتم ها، ساختمان ها و خیابان های مختلفی را تولید می کنند و تصوری از یک شهر ایجاد می کنند. با این حال، شهرها آنقدرها هم واقع بینانه نیستند، زیرا بیشتر آنها ساختمان هایی از نوع آسمان خراش اداری بدون خانه، کارخانه و مدرسه هستند، یعنی ساختمان های کوچک. در طول فرآیند رندر، ساختمان مسدود شده توسط دیگران نیازی به ترسیم ندارد.

2. 1. 3. رویکردهای چندگانه مبتنی بر هدف

یک نسل رویه ای از نقشه ها با استفاده از یک بازی استراتژی زمان واقعی (RTS) توسط Lara-Cabrera و همکاران توسعه داده شد.[35]. برای ارزیابی از شبکه کوهونن استفاده شد. یک الگوریتم تکاملی چند هدفه (MOEA) برای تکامل نقشه ها و طبقه بندی فاصله از بد یا خوب در مجموعه آموزشی استفاده شد. مشارکت کاربر به طور کامل فقط بر زیبایی شناسی متمرکز است و نه بر قابلیت بازی در بازی ها. در حوزه های دیگر، به عنوان مثال، برنامه ریزی شهری یا طراحی های شهری، بر عوامل دیگری تأکید می شود، یعنی زیبایی شناسی مربوط به هنجارهای برنامه ریزی شهری یا محوطه سازی.

تولید زمین مبتنی بر مولفه را می توان با انتخاب ویژگی های موجود از ویژگی های خاص به دست آورد. چنین تکنیکی برای خط تولید نرم افزار نشان داده شده توسط خان و همکاران به دست آمده است.[36]. بنابراین، هدف تعریف شده یک کاربر چند سطحی می تواند به عنوان یک معیار انتخاب برای اجزا یا ویژگی های زمین مورد استفاده قرار گیرد تا آن را به طور خودکار برای اهداف مختلف تولید کند. این رویکرد به طور خاص برای تولید زمین نیست، بلکه برای تولید خط تولید نرم افزار است. با این حال، بر اساس الگوریتم های انتخاب ویژگی، زمین ها را می توان بر اساس اهداف تعیین شده کاربر ایجاد کرد.

2. 1. 4. سایر رویکردها

این بخش رویکردهای مختلف تولید زمین را که در دسته بندی های بخش های قبلی قرار نمی گیرند، خلاصه می کند. تولید محتویات رویه ای به صورت پویا ضروری است [37]. بازی نقش آفرینی (RPG) یک سبک محبوب برای بسیاری از گیمرها است. تولید محتوای رویه ای (PCG) تلاش های طراحی و زمان توسعه بازی را کاهش می دهد. محققان در [37] از یک رویکرد یادگیری ماشینی برای پیش بینی نوع بازیکن با استفاده از شبکه بیزی و تولید محتوای بازی مناسب اما با دقت پایین استفاده کردند. یکی از دلایل احتمالی این بود که تولید به صورت نیمه خودکار اتفاق افتاد. همچنین دسترسی به کد منبع بازی هدف مطالعه وجود نداشت و دستیابی به دقت مطلوب را محدود می کرد. این مطالعه بر روی عناصر بازی نقش آفرینی از پیش تعریف شده (RPG) به جای عناصر و اجزای تولید شده تصادفی کار کرد.

توسعه بازی دست و پا گیر و پیچیده است، جایی که توسعه زمین، محیط، اشیاء و شخصیت ها باید اتفاق بیفتد [38]. دی کارلی و همکاران[38] روش ها و تکنیک های مختلفی را بیان کرد، یعنی کلاسیک و رایج در مورد PCG، مناسب برای بازی سازی برای تولید زمین ها، خطوط ساحلی، رودخانه ها، جاده ها و شهرها. چنین روشی ممکن است به کاهش هزینه توسعه بازی کمک کند. این مطالعه همچنین روش های کمکی و غیر کمکی برای تولید محتوا را روشن می کند و عمدتاً بر کاهش هزینه ها با استفاده از روش های غیر کمکی برای تولید محتوا متمرکز است.

رابرتز و چن [39] یک رویکرد جدید PCG یادگیری ماشین را به نام "تولید محتوای روش مبتنی بر یادگیری (LBPCG)" معرفی کردند که می تواند در حین بازی ، محتوای جدی را برای گیمرها با وقفه کمتر ایجاد کند. با این حال ، نتایج آزمایش کاربر برای پیش بینی اثربخشی و رضایت از چارچوب پیشنهادی دقیق نبود. کار تحقیقاتی عمدتاً به جای تولید محتوای با کیفیت ، بر بازده محاسباتی در محتوای آنلاین متمرکز شده است. طبقه بندی محتوا مبتنی بر توسعه دهنده و دانش قبلی آنها در مورد ترجیحات کاربر است. همچنین ، این رویکرد اقتصادی نیست.

لو و همکاران.[40] چارچوب تولید سناریوی داده محور را برای آموزش مبتنی بر بازی پیشنهاد داد. برای ارزیابی سناریو ، زمان این رویداد لازم است در نظر گرفته شود. ادغام شبیه سازی ، مدل تمرینی برای ارزیابی محتوا بازی و مدل سازی پخش کننده هوش مصنوعی هدف اصلی پارادایم بود. مدل تولید شده از سناریوها شامل اشیاء مداوم در محیط مجازی تولید شده نیست. طبق این مطالعه ، این چارچوب فقط روی مجموعه دستورات کار می کند و به عنوان مثال ورودی های باز را به صورت متن باز قبول نمی کند.

تضمین کیفیت و کنترل مؤثر برای طراحان دو چالش مهم در PCG است [41]. Super Mario Bros (SMB) در مطالعه موردی برای نشان دادن اثربخشی تعامل بین روشهای مبتنی بر قانون و یادگیری برای تولید سطح بازی استفاده شد. ثابت شد که این ادغام در تولید سطح بازی با کیفیت و قابل کنترل مؤثر است. محتوای نامطلوب با استفاده از قوانینی که به عنوان اولیه سازنده (CP) شناخته می شوند حذف می شوند. رویکرد مبتنی بر یادگیری مستعد خطاهای احتمالی است و از این رو باید بیشتر مورد بررسی قرار گیرد.

از آنجا که مطابقت با دقت و کیفیت یک طراحی دست ساز با PCG ، شاکر و همکاران دشوار است.[42] یک تابع تناسب اندام را برای سطح SMB از طریق یک الگوریتم تحول گرامری طراحی کرد. تجربه بازیکن در مکانیسم ارزیابی تناسب اندام گنجانیده نشده است. برای اطمینان از قابلیت پخش ، ژنراتور تکامل گرامری سطحی با چگالی کمتری تولید می کند.

اسمیت و همکاران.[43] در یک LaunchPad کار کرد تا یک ژنراتور سطح خودمختار را بر اساس ریتم و سرعت برای پلتفرم های 2D ایجاد کند. دو پارامتر ، یعنی تضمین کیفیت و کنترل طراح ، توسط ژنراتور LaunchPad معرفی شد. تمرکز اصلی روی عملکرد بود. از این رو ، افزودن اجزای پیچیده و در نتیجه سطح پیچیده باعث کاهش سرعت عملکرد می شود.

یکی دیگر از بازی های PCG ، بر اساس تولید سطح توالی شخصیت ، برای "پرندگان عصبانی" توسط جیانگ و همکاران تهیه شده است.[44]از دو روش ، یعنی ساختار الگوی و یک مدل از پیش تعیین شده ، برای ساخت "PCG نقل قول خنده دار" برای سطوح مختلف استفاده شد. ساختارها بر اساس یک عملکرد تناسب اندام ارزیابی می شوند ، که چندین جنبه مهم ساختاری ، یعنی تعداد خوک ها و بلوک ها را در نظر می گیرد. نیاز به مکانیسم برای آزمایش سطح تولید شده برای قابلیت پخش و درگیر شدن تجربه و احساسات بازیکن در فرآیند تولید وجود دارد. مشکلات متداول در تولید محتوای رویه ای از زمین ها در شکل 1 نشان داده شده است.[44]از دو روش ، یعنی ساختار الگوی و یک مدل از پیش تعیین شده ، برای ساخت "PCG نقل قول خنده دار" برای سطوح مختلف استفاده شد. ساختارها بر اساس یک عملکرد تناسب اندام ارزیابی می شوند ، که چندین جنبه مهم ساختاری ، یعنی تعداد خوک ها و بلوک ها را در نظر می گیرد. نیاز به مکانیسم برای آزمایش سطح تولید شده برای قابلیت پخش و درگیر شدن تجربه و احساسات بازیکن در فرآیند تولید وجود دارد. مشکلات متداول در تولید محتوای رویه ای زمین ها در شکل 1. سطح بازی دیگر PCG ، بر اساس تولید سطح توالی شخصیت ، برای "پرندگان عصبانی" توسط جیانگ و همکاران ایجاد شده است.[44]از دو روش ، یعنی ساختار الگوی و یک مدل از پیش تعیین شده ، برای ساخت "PCG نقل قول خنده دار" برای سطوح مختلف استفاده شد. ساختارها بر اساس یک عملکرد تناسب اندام ارزیابی می شوند ، که چندین جنبه مهم ساختاری ، یعنی تعداد خوک ها و بلوک ها را در نظر می گیرد. نیاز به مکانیسم برای آزمایش سطح تولید شده برای قابلیت پخش و درگیر شدن تجربه و احساسات بازیکن در فرآیند تولید وجود دارد. مشکلات متداول در تولید محتوای رویه ای زمین ها در شکل 1 نشان داده شده است.