GAVEL: Spellen Genereren via Evolutie en Taalmodellen

GAVEL: Generating Games Via Evolution and Language Models

July 12, 2024

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

cs.AI

Samenvatting

Het automatisch genereren van nieuwe en interessante spellen is een complexe taak. Uitdagingen zijn onder meer het representeren van spelregels in een computationeel werkbare vorm, het doorzoeken van de grote ruimte van mogelijke spellen onder de meeste van dergelijke representaties, en het nauwkeurig beoordelen van de originaliteit en kwaliteit van voorheen onbekende spellen. Eerder werk op het gebied van geautomatiseerde spelgeneratie heeft zich grotendeels gericht op relatief beperkte regelrepresentaties en vertrouwd op domeinspecifieke heuristieken. In dit werk onderzoeken we de generatie van nieuwe spellen in de relatief uitgebreide Ludii spelbeschrijvingstaal, die de regels van meer dan 1000 bordspellen codeert in een verscheidenheid aan stijlen en speelwijzen. We putten inspiratie uit recente vooruitgang in grote taalmodellen en evolutionaire berekening om een model te trainen dat intelligent spellen en mechanica, uitgedrukt als code, muteert en combineert. We demonstreren zowel kwantitatief als kwalitatief dat onze aanpak in staat is om nieuwe en interessante spellen te genereren, inclusief in regio's van de mogelijke regelruimte die niet gedekt worden door bestaande spellen in de Ludii-dataset. Een selectie van de gegenereerde spellen is online beschikbaar om te spelen via het Ludii-portaal.

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.