A new approach to increase variability and playability via game blending
Oyun harmanlama yoluyla çeşitliliği ve oynanabilirliği geliştirmek için yeni bir yaklaşım
- Tez No: 817952
- Danışmanlar: DOÇ. DR. ELİF SÜRER, DOÇ. DR. AYSU BETİN CAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar oyunları, Computer games
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Enformatik (ingilizce) Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez kapsamında gelişmiş Prosedürel İçerik Oluşturma (PCG) teknikleri kullanılarak oyun düzeylerinin oynanabilirliğini sağlayacak şekilde farklı oyunlar birleştirilmektir. Tezin amacı, oyunların çeşitliliğini ve tekrar oynanabilirliğini artırmak ve aynı zamanda manuel tasarım için gereken kapsamlı çabayı azaltmaktır. Bu çalışmada, Genel Oyun Yapay Zeka (GVGAI) oyun açıklamalarını ve oyun seviyesi tanımlarını bir araya getirerek oyunları birleştirmeye yönelik yeni bir yaklaşım incelenmiştir ve çok sayıda oyunda geniş uygulanabilirliğe sahip bir çözüm ortaya çıktığı gözlenmiştir. Araştırma sorusunu etkili bir şekilde ele almak için, öncü bir hibrit model olan Variational Autoencoder Generative Adversarial Networks (VAEGANs) kullanılmıştır. Bu hibrit model, içerik oluşturmayı kolaylaştırmak için Varyasyonel Otomatik Kodlayıcıların (VAEs) ve Çekişmeli Üretici Ağların (GANs) özelliklerini bir araya getirmektedir. Kovaryans Matrisi Uyarlama Evrimi Stratejisi (CMA-ES) aracılığıyla üretken ağlardaki gizli vektörleri optimize etmek için A* algoritmalarını ve Pekiştirmeli Öğrenme (RL) ajanlarını dahil ederek oynanabilirliği sağlamaya odaklanılmıştır. Çeşitli deneyler yoluyla, GAN, VAE ve VAEGAN yöntemlerinin oyun seviyelerini harmanlamadaki performansı değerlendirilmiştir ve yeni, çeşitli ve oynanabilir karışık seviyeler yaratma kapasiteleri incelenmiştir. VAEGAN, VAE ve GAN yöntemlerinin yeteneklerini aşan farklı, karmaşık ve çeşitli düzeyler üreten üstün model olarak ortaya çıkmıştır. Bu geliştirilmiş performans, başarısını VAEGAN yönteminin her iki modelin de güçlü yönlerinden yararlanırken modellerin bazı dezavantajlarından kaçınmasına olanak tanıyan kodlayıcı-kod çözücü mimarisi ile çekişmeli eğitimin birleşimine borçludur.
Özet (Çeviri)
In this thesis, the objective is blending game levels in a way that retains and ensures playability, using advanced procedural content generation techniques. The motivation stems from the aim to increase the diversity and replayability of games and concurrently reduce the extensive effort required for manual design. A novel approach to game blending is examined, unifying The General Video Game AI (GVGAI) game descriptions with level representations, resulting in a solution with broad applicability across a multitude of games. To address the research question effectively, the use of Variational Autoencoder Generative Adversarial Networks (VAEGANs) is introduced, a pioneering hybrid model which combines the unique strengths of Variational Autoencoders (VAEs) and Generative Adversarial Networks (GANs) to facilitate superior level blending and generation. A focus has been placed on enhancing playability, incorporating A* algorithms and Reinforcement Learning (RL) agents to optimize latent vectors in generative networks via the Covariance Matrix Adaptation Evolution Strategy. Through several experimentations, the performance of GANs, VAEs, and VAEGANs in blending game levels was assessed, discovering their capacity to create novel, diverse, and playable mixed levels. VAEGANs emerged as the superior model, producing distinct, intricate, and varied levels surpassing the capabilities of VAEs and GANs. This enhanced performance owes its success to the combination of the encoder-decoder architecture and adversarial training, allowing VAEGANs to utilize the strengths of both models while avoiding some of their individual drawbacks.
Benzer Tezler
- Motor kontrol ve öğrenmeye ilişkin nöral yapıların modellenmesi ve donanım üzerinde bir gerçekleme
Modeling neural structures related to motor control and learning and an implementation on hardware
SERHAT ÇAĞDAŞ
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN SERAP ŞENGÖR
- Matematik öğretiminde yapı setleri kullanımının üstün zekalı ortaokul öğrencilerinin orantısal akıl yürütme becerilerine etkisinin incelenmesi
Investigating the effect of using building blocks in teaching mathematics on gifted middle school students' proportional reasoning skills
GÖKHAN DERİN
Doktora
Türkçe
2025
Eğitim ve ÖğretimMarmara ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
PROF. DR. EMİN AYDIN
PROF. DR. EYÜP SEVİMLİ
- Kanser teşhis ve tedavisinde kullanılma potansiyeli olan aza-BODIPY içerikli poli(β-amino ester)'lerin hazırlanması ve biyolojik özelliklerinin araştırılması
Preparation and evaluation of biological properties of poly(β-amino ester)s that have potential in cancer therapy and diagnosis
ŞEYMA SARI
Doktora
Türkçe
2024
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. MUHAMMET ÜBEYDULLAH KAHVECİ
- Döviz kurunu belirleyen faktörler ve kur riski
Determination of foreign exchange rates and foreign exchange risk
MEHMET COŞKUN ÖZAVNİK
- Development of iron cobalt bimetallic fischer-tropsch catalysts for production of light olefins
Hafif olefinlerin üretimi için demir kobalt bimetalik fıscher-tropsch katalizörlerinin geliştirilmesi
DENİZ UYKUN MANGALOĞLU
Doktora
İngilizce
2025
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSNÜ ATAKÜL