GAN生成的超級馬里奧關(guān)卡，可以永不通關(guān)的那種
子豪 發(fā)自 凹非寺
來源 量子位
先來一波回憶殺~
《超級馬里奧兄弟》的重度玩家們，可能已經(jīng)發(fā)現(xiàn)了，這并不是原本32關(guān)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(guān)卡數(shù)據(jù)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(wǎng)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(guān)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(guān)卡編碼為16x16的圖像，分別設(shè)置了4個獨立顏色通道：
比如，第一關(guān)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(fù)雜。
并且，根據(jù)關(guān)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(xiàn)。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(wǎng)絡(luò)失誤對輸出結(jié)果的負面影響。
比如用硬幣代替磚塊，影響非常??；而如果用管道或庫巴來代替，就會出現(xiàn)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(gòu)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(gòu)建模型，并進行訓(xùn)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(xùn)練集中的真實圖像，還是生成器偽造的。
隨著遍歷訓(xùn)練集的次數(shù)增加，生成效果也逐漸改善：
最終輸出的結(jié)果，是這樣的：
嗯，效果真的很不錯~
想永不通關(guān)？用cGAN
現(xiàn)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(guān)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(cè)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(chǔ)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(wǎng)絡(luò)架構(gòu)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(xùn)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(jīng)過40次迭代的結(jié)果：
“不想通關(guān)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(jīng)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(guān)卡制造，不過是玩家來手動設(shè)計。
△馬里奧制造2 （圖源：游戲官網(wǎng)）
在發(fā)布關(guān)卡之前，作者必須通關(guān)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(xiàn)隱蔽通道，就能“偷雞”通關(guān)~
這樣“有趣又有毒”的關(guān)卡，不知道AI能否構(gòu)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
— 完 —
推薦閱讀
面向生產(chǎn)環(huán)境！深度學習模型部署資源全輯
基于深度學習的目標檢測算法面試必備（RCNN~YOLOv5）
超越Y(jié)OLOv5，1.3M超輕量，高效易用，目標檢測領(lǐng)域這一個就夠了！
