GAVEL: Generierung von Spielen durch Evolution und Sprachmodelle

GAVEL: Generating Games Via Evolution and Language Models

July 12, 2024

Autoren: Graham Todd, Alexander Padula, Matthew Stephenson, Éric Piette, Dennis J. N. J. Soemers, Julian Togelius

cs.AI

Zusammenfassung

Die automatische Generierung von neuen und interessanten Spielen ist eine komplexe Aufgabe. Herausforderungen umfassen die Darstellung von Spielregeln in einer rechnerisch umsetzbaren Form, die Suche durch den großen Raum potenzieller Spiele unter den meisten dieser Darstellungen und die genaue Bewertung der Originalität und Qualität zuvor ungesehener Spiele. Frühere Arbeiten zur automatisierten Spielgenerierung konzentrierten sich weitgehend auf relativ eingeschränkte Regelrepräsentationen und verließen sich auf domänenspezifische Heuristiken. In dieser Arbeit untersuchen wir die Generierung neuer Spiele in der vergleichsweise umfangreichen Ludii-Spielbeschreibungssprache, die die Regeln von über 1000 Brettspielen in verschiedenen Stilen und Spielmodi codiert. Wir lassen uns von den jüngsten Fortschritten in großen Sprachmodellen und evolutionärer Berechnung inspirieren, um ein Modell zu trainieren, das Spiele und Mechaniken intelligent mutiert und rekombiniert, die als Code ausgedrückt sind. Wir zeigen sowohl quantitativ als auch qualitativ, dass unser Ansatz in der Lage ist, neue und interessante Spiele zu generieren, auch in Bereichen des potenziellen Regelraums, die von bestehenden Spielen im Ludii-Datensatz nicht abgedeckt werden. Eine Auswahl der generierten Spiele ist über das Ludii-Portal online spielbar.

English

Automatically generating novel and interesting games is a complex task. Challenges include representing game rules in a computationally workable form, searching through the large space of potential games under most such representations, and accurately evaluating the originality and quality of previously unseen games. Prior work in automated game generation has largely focused on relatively restricted rule representations and relied on domain-specific heuristics. In this work, we explore the generation of novel games in the comparatively expansive Ludii game description language, which encodes the rules of over 1000 board games in a variety of styles and modes of play. We draw inspiration from recent advances in large language models and evolutionary computation in order to train a model that intelligently mutates and recombines games and mechanics expressed as code. We demonstrate both quantitatively and qualitatively that our approach is capable of generating new and interesting games, including in regions of the potential rules space not covered by existing games in the Ludii dataset. A sample of the generated games are available to play online through the Ludii portal.