GAVEL : Génération de Jeux via Évolution et Modèles de Langage
GAVEL: Generating Games Via Evolution and Language Models
July 12, 2024
papers.authors: Graham Todd, Alexander Padula, Matthew Stephenson, Éric Piette, Dennis J. N. J. Soemers, Julian Togelius
cs.AI
papers.abstract
La génération automatique de jeux nouveaux et intéressants est une tâche complexe.
Les défis incluent la représentation des règles de jeu sous une forme exploitable par ordinateur,
l'exploration de l'espace vaste des jeux potentiels dans la plupart de ces représentations,
et l'évaluation précise de l'originalité et de la qualité des jeux inédits.
Les travaux antérieurs sur la génération automatique de jeux se sont largement concentrés sur des représentations de règles relativement restreintes et ont reposé sur des heuristiques spécifiques au domaine.
Dans ce travail, nous explorons la génération de jeux novateurs dans le langage de description de jeux Ludii, relativement étendu, qui encode les règles de plus de 1000 jeux de société dans une variété de styles et de modes de jeu.
Nous nous inspirons des avancées récentes en modèles de langage de grande taille et en calcul évolutif afin d'entraîner un modèle qui mute et recombine intelligemment des jeux et des mécaniques exprimés sous forme de code.
Nous démontrons à la fois quantitativement et qualitativement que notre approche est capable de générer de nouveaux jeux intéressants, y compris dans des régions de l'espace des règles potentielles non couvertes par les jeux existants dans le jeu de données Ludii.
Un échantillon des jeux générés est disponible en ligne via le portail Ludii.
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.