爺青回！GAN生成的超級馬里奧關卡，可以永不通關的那種！

點擊上方“視學算法”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

子豪 發(fā)自 凹非寺
本文轉載自：量子位（QbitAI）

先來一波回憶殺~

《超級馬里奧兄弟》的重度玩家們，可能已經發(fā)現了，這并不是原本32關里面的。

不過，如果你以為這是《馬里奧制造》的杰作，那你就猜錯了~這是AI利用GAN搞出來的！

利用GAN生成紅白機游戲畫面，并不是新鮮事，不過，這一次是可以無限延長的那種~

花樣還不少：

只需用4個顏色通道表示對象

在游戲中，關卡數據以壓縮格式存儲，通常，每個對象用兩個字節(jié)來描述位置和類型。

一個字節(jié)指定16x16網格中的xy坐標；第二個字節(jié)指定對象的類型。比如在第一關的場景中，僅用了12個字節(jié)來描述：

07 81 | 47 24 | 57 00 | 63 01 | 77 01 | C9 71

作者為了將關卡編碼為16x16的圖像，分別設置了4個獨立顏色通道：

比如，第一關的截圖，就可以表示成這樣：

這樣的編碼方式，既能夠涵蓋足夠多的對象，又不至于太過復雜。

并且，根據關卡中對象的排列方式進行分組，有利于模型進行學習并重現。比如，實心磚用于布置樓梯、磚塊則通常水平放置。

此外，將所有對象組織成一個合理的方案，減少生成網絡失誤對輸出結果的負面影響。

比如用硬幣代替磚塊，影響非常小；而如果用管道或庫巴來代替，就會出現問題。

開發(fā)者還找出了游戲的一些特點：

管道可以連接地面或一排浮動塊；

方塊通常用來構建各種尺寸的樓梯；

磚塊和問題塊，大多排在第3位和第7位；

其他角色一般會分成兩三組。

接下來，作者使用TensorFlow作為后端，利用Keras來構建模型，并進行訓練。

生成器通過輸入的一組特征向量，來生成新的樣本圖像；鑒別器則區(qū)分是訓練集中的真實圖像，還是生成器偽造的。

隨著遍歷訓練集的次數增加，生成效果也逐漸改善：

最終輸出的結果，是這樣的：

嗯，效果真的很不錯~

想永不通關？用cGAN

現在，只需把一張張“截圖”連接起來，你就會得到：

半個庫巴、半個管道，以及半個馬里奧……

怎么才能無縫拼接，得到連貫的關卡呢？

這就需要利用「有條件的GAN」，把前一個場景作為后一個場景的邊界條件。

就像這樣：

可以看出，場景的左側部分，是以第一行圖像作為邊界條件生成的。

具體來說，首先要在之前的基礎上，向生成器輸入一組16×4的圖像，作為上一個場景的邊界部分。

網絡架構是這樣的：

生成器在輸入條件的限制下，生成16x16的圖像，然后，把它們與16×4的輸入圖像進行拼接，再用拼接后的圖像來訓練鑒別器。

利用16×4圖像的不斷迭代，最終就能拼接成連續(xù)的場景，比如，經過40次迭代的結果：

“不想通關綜合癥”可能有救了！

開發(fā)者表示，雖然效果不是特別完美，但是已經具備了趣味性和可玩性~

是不是和那個“能玩一輩子的游戲”——《馬里奧制造》有點像？它同樣主打關卡制造，不過是玩家來手動設計。

△馬里奧制造2 （圖源：游戲官網）

在發(fā)布關卡之前，作者必須通關一次，于是有些人就加入隱蔽的“作者通道”，偷個懶直達終點。

不少高手都曾被“馬造毒圖”難倒，當然如果玩家發(fā)現隱蔽通道，就能“偷雞”通關~

這樣“有趣又有毒”的關卡，不知道AI能否構建出來呢？

原文鏈接：
https://medium.com/@eway/using-a-generative-adversarial-network-to-author-playable-super-mario-bros-levels-223736bd4ce

點個在看 paper不斷！