.

Robótica

Una IA aprende a crear nuevos niveles del videjuego 'Doom'

1

Si ya se ha pasado todas las pantallas disponibles, puede probar las que ha desarrollado esta inteligencia artificial mediante una red generativa antagónica. La técnica podría revolucionar la profesión de diseñador de videojuegos, aunque los humanos siguen siendo imprescindibles

  • por Emerging Technology From The Arxiv | traducido por Mariana Díaz
  • 17 Mayo, 2018

Una de las franquicias de videojuegos más duraderas y de mayor éxito es la serie Doom. Se lanzó en 1993 y a día de hoy sigue siendo famosa con más de 10 millones de copias vendidas. Se trata de un videojuego de acción y disparos en primera persona en el que un marine espacial debe enfrentarse a demonios y zombis para sobrevivir.

Su enorme fama se debe a que fue pionero en gráficos tridimensionales para PC que ejecutan MS-DOS, introdujo la función multijugador online e incluso permitió a los jugadores crear sus propios niveles de juego. De hecho, hay un gran número de niveles de Doom, tanto oficiales como creados por jugadores, disponibles de forma gratuita online. Todos ellos dan lugar a  un formidable corpus para el estudio y la investigación.

Y eso plantea una posibilidad interesante. ¿Es posible utilizar estos datos para entrenar un algoritmo de aprendizaje profundo para que cree sus propios niveles de Doom que resulten atractivos a los jugadores humanos?

Hoy recibimos una respuesta gracias al trabajo del investigador del Politécnico de Milán (Italia) Edoardo Giacomello y sus colegas. El equipo afirma que es posible crear niveles convincentes de Doom con una forma automática, y que la técnica tiene un gran potencial para cambiar la forma en que se crea el contenido del juego.

El enfoque del equipo es relativamente sencillo. Recopilaron 1.000 niveles de Doom de un repositorio de juegos público, que incluye todos los niveles oficiales de Doom y Doom 2, así como más de 9.000 niveles creados por la comunidad de jugadores.

Después generaron un conjunto de imágenes para representar las características más importantes de cada nivel, como el área transitable, las paredes, la altura del suelo, los objetos, etcétera. También crearon un vector para representar las características importantes del nivel en forma numérica, como el tamaño, el área y el perímetro de las habitaciones y el número de habitaciones.

Luego usaron la cada vez más popular técnica de aprendizaje profundo llamada redes generativas antagónicas (GAN) para estudiar los datos y aprender a generar nuevos niveles.

Los resultados demuestran el potencial de la técnica. Después de unas 36.000 iteraciones, las redes de aprendizaje profundo empezaron a generar niveles de buena calidad. La investigación afirma: "Nuestros resultados muestran que las redes generativas antagónicas pueden capturar la estructura intrínseca de los niveles DOOM y parece ser un enfoque prometedor para la generación de niveles en juegos de acción en primera persona".

Después de probar los nuevos niveles; los investigadores afirman que son interesantes para explorar y jugar, y que tienen características típicas de Doom como túneles angostos y habitaciones grandes. Aquí puede ver uno de los niveles creados por su algoritmo.

Pero los niveles no son perfectos. Por ejemplo, las redes de aprendizaje profundo dedican mucho esfuerzo a producir detalles finos, probablemente debido al gran nivel de ruido que inevitablemente se genera con este tipo de enfoque.

Aun así, el trabajo podría tener consecuencias importantes para los diseñadores de juegos. "Los niveles son de suma importancia, especialmente en los juegos de acción en primera persona y plataformas, ya que afectan en gran medida la experiencia del jugador", asegura Gicomello. Pero la creación de contenido es una de las partes del proceso de desarrollo que más tiempo y recursos consume.

Los diseñadores juegos confían en la experiencia humana y en pruebas exhaustivas para crear buenos niveles. Pero como esto requiere mucho trabajo, muchos de ellos buscan formas efectivas de automatizar el proceso o ayudar al diseñador.

Tal vez esta sea la solución. Encontrar una forma de automatizar la creación de niveles, al menos en parte, es un avance importante. Debería liberar a los diseñadores humanos para que puedan centrarse en problemas más importantes, como el tipo de nivel que desean generar. "Los diseñadores humanos pueden enfocarse en características de alto nivel al incluir tipos específicos de mapas o características en el conjunto de entrenamiento", detalla la investigación.

En los últimos años, los informáticos han demostrado que los algoritmos de aprendizaje profundo pueden aprender a jugar videojuegos desde cero y superar rápidamente a los jugadores humanos. Entonces, no sorprende demasiado que también sean capaces de aprender a diseñar algunos aspectos de los juegos .

La gran pregunta es hasta qué punto pueden ayudar con la parte más creativa, la de crear una historia para los personajes, generar un argumento convincente para un juego completo o desarrollar un juego original. De momento, los humanos siguen siendo imprescindibles para esto.

Ref: arxiv.org/abs/1804.09154DOOM Level Generation using Generative Adversarial Networks

Robótica

 

La inteligencia artificial y los robots están transofrmando nuestra forma de trabajar y nuestro estilo de vida.

  1. Los robots domésticos útiles están un paso más cerca gracias a Facebook

    La red social lanza una competición en la que los sistemas de inteligencia artificial deben responder a una pregunta simple sobre un hogar. Primero deben entender la pregunta y después apañárselas para dar con la respuesta dentro de un entorno doméstico virtual realista

  2. Los chatbots juegan con la probabilidad para entender mejor a los humanos

    La 'start-up' de inteligencia artificial Gamalon ha desarrollado una nueva técnica que utiliza la incertidumbre y la probabilidad para que asistentes virtuales y bots de conversación sean capaces de entender los distintos significados que una expresión humana puede tener

  3. Las aseguradoras controlarán los riesgos de los vehículos autónomos

    La gran cantidad de datos recopilada por los automóviles sin conductor podría ser usada por las compañías de seguros para evitar situaciones de peligro, vigilar mejor la seguridad y poner límites a sus sistemas de autonomía