La IA genera nuevos niveles de Doom para que jueguen los humanos

Una de las franquicias de videojuegos más duraderas y exitosas es la serie Doom, lanzada en 1993 y que aún se mantiene fuerte con más de 10 millones de copias vendidas. El juego es un juego de disparos en primera persona en el que un marine espacial lucha para sobrevivir contra varios demonios y zombis.

El juego es notable porque fue pionero en gráficos 3-D para PC con MS-DOS, introdujo multijugador en red e incluso permitió a los jugadores crear sus propios niveles de juego. De hecho, una gran cantidad de niveles de Doom, tanto oficiales como creados por jugadores, ahora están disponibles gratuitamente en línea, formando un corpus formidable para el estudio y la investigación.

Y eso plantea una posibilidad interesante. ¿Es posible usar estos datos para entrenar un algoritmo de aprendizaje profundo para crear sus propios niveles de Doom que un humano encontraría convincentes?

Hoy recibimos una respuesta gracias al trabajo de Edoardo Giacomello y colegas del Politecnico di Milano en Italia. Estos muchachos dicen que es posible crear niveles convincentes de Doom de esta manera automatizada, y que la técnica tiene un potencial significativo para cambiar la forma en que se crea el contenido del juego.

El enfoque del equipo es relativamente sencillo. Comienzan con 1000 niveles de Doom tomados de un repositorio de juegos disponibles públicamente, que incluye todos los niveles oficiales de Doom y Doom 2, así como más de 9000 niveles creados por la comunidad de jugadores.

Luego, el equipo procesó cada nivel para generar un conjunto de imágenes que representan sus características más importantes, como el área transitable, las paredes, la altura del piso, los objetos, etc. También crearon un vector que capturaba características importantes del nivel en forma numérica, como el tamaño, el área y el perímetro de las habitaciones, la cantidad de habitaciones, etc.

Luego, utilizaron una técnica de aprendizaje profundo llamada red generativa antagónica para estudiar los datos y aprender a generar nuevos niveles.

Los resultados muestran cuán poderosa es esta técnica. Después de unas 36 000 iteraciones, las redes de aprendizaje profundo pudieron producir niveles de buena calidad. Nuestros resultados muestran que las redes antagónicas generativas pueden capturar la estructura intrínseca de los niveles de DOOM y parece ser un enfoque prometedor para la generación de niveles en los juegos de disparos en primera persona, dicen Giacomello y compañía.

Los investigadores han probado los nuevos niveles y dicen que son interesantes para explorar y jugar, con características típicas de Doom, como túneles estrechos y salas grandes. Puedes ver uno de los niveles que se juegan aquí.

Por supuesto, los niveles no son perfectos. Por ejemplo, las redes de aprendizaje profundo luchan por producir detalles finos, probablemente debido a los datos ruidosos que inevitablemente se generan con este tipo de enfoque.

Sin embargo, incluso este nivel de automatización podría tener implicaciones significativas para los diseñadores de juegos. Los niveles son de suma importancia, especialmente en los juegos de plataformas y disparos en primera persona, ya que afectan en gran medida la experiencia del jugador, dice Gicomello y compañía. Pero la creación de contenido es una de las partes del proceso de desarrollo que consume más tiempo y dinero.

Los creadores de juegos confían en la experiencia humana y las pruebas exhaustivas para crear buenos niveles. Y debido a que esto es tan costoso, muchos de ellos están buscando formas efectivas de automatizar el proceso o ayudar al diseñador del juego.

Quizá esto sea. Encontrar una manera de automatizar la creación de niveles, al menos en parte, es un logro significativo. Debería liberar a los diseñadores humanos para que se centren en cuestiones más amplias, como el tipo de nivel que quieren generar. Los diseñadores humanos pueden centrarse en características de alto nivel al incluir tipos específicos de mapas o características en el conjunto de entrenamiento, dicen Giacomello y compañía.

En los últimos años, los científicos informáticos han demostrado cómo las máquinas de aprendizaje profundo pueden aprender a jugar videojuegos desde cero y luego superar rápidamente a los jugadores humanos. Así que no es realmente una sorpresa que también puedan aprender a diseñar algún aspecto de los juegos.

La pregunta más importante es hasta qué punto pueden ayudar con el proceso más creativo de crear una historia de fondo para los personajes, generar una historia convincente para un juego completo o desarrollar un juego original. Los humanos no son redundantes en este sentido todavía.

Ref: arxiv.org/abs/1804.09154 : Generación de niveles de DOOM mediante redes adversarias generativas

esconder