GAVEL: Generazione di Giochi tramite Evoluzione e Modelli Linguistici

GAVEL: Generating Games Via Evolution and Language Models

July 12, 2024

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

cs.AI

Abstract

Generare automaticamente giochi nuovi e interessanti è un compito complesso. Le sfide includono la rappresentazione delle regole del gioco in una forma computazionalmente gestibile, l'esplorazione del vasto spazio dei potenziali giochi nella maggior parte di tali rappresentazioni e la valutazione accurata dell'originalità e della qualità di giochi mai visti prima. Il lavoro precedente nella generazione automatica di giochi si è concentrato principalmente su rappresentazioni delle regole relativamente ristrette e ha fatto affidamento su euristiche specifiche del dominio. In questo lavoro, esploriamo la generazione di giochi nuovi nel linguaggio di descrizione dei giochi Ludii, che è comparativamente più espansivo e codifica le regole di oltre 1000 giochi da tavolo in una varietà di stili e modalità di gioco. Traiamo ispirazione dai recenti progressi nei modelli linguistici di grandi dimensioni e nel calcolo evolutivo per addestrare un modello che muta e ricombina in modo intelligente giochi e meccaniche espressi come codice. Dimostriamo sia quantitativamente che qualitativamente che il nostro approccio è in grado di generare giochi nuovi e interessanti, comprese regioni dello spazio delle regole potenziali non coperte dai giochi esistenti nel dataset Ludii. Un campione dei giochi generati è disponibile per essere giocato online attraverso il portale 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.