GAVEL: Gerando Jogos por Meio de Evolução e Modelos de Linguagem
GAVEL: Generating Games Via Evolution and Language Models
July 12, 2024
Autores: Graham Todd, Alexander Padula, Matthew Stephenson, Éric Piette, Dennis J. N. J. Soemers, Julian Togelius
cs.AI
Resumo
Gerar automaticamente jogos novos e interessantes é uma tarefa complexa. Os desafios incluem representar as regras do jogo em uma forma computacionalmente viável, buscar através do amplo espaço de jogos potenciais sob a maioria dessas representações e avaliar com precisão a originalidade e qualidade de jogos previamente não vistos. Trabalhos anteriores na geração automatizada de jogos têm se concentrado principalmente em representações de regras relativamente restritas e dependido de heurísticas específicas do domínio. Neste trabalho, exploramos a geração de jogos novos no comparativamente expansivo idioma de descrição de jogos Ludii, que codifica as regras de mais de 1000 jogos de tabuleiro em uma variedade de estilos e modos de jogo. Nos inspiramos nos avanços recentes em grandes modelos de linguagem e computação evolutiva para treinar um modelo que muta e recombinar inteligentemente jogos e mecânicas expressas como código. Demonstramos tanto quantitativa quanto qualitativamente que nossa abordagem é capaz de gerar jogos novos e interessantes, incluindo em regiões do espaço de regras potenciais não cobertas por jogos existentes no conjunto de dados Ludii. Uma amostra dos jogos gerados está disponível para jogar online através do portal 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.