عنوان: استفاده از تولید محتوای رویه ای از طریق یادگیری ماشین به عنوان مکانیک بازی
تولید محتوای رویه ای (PCG) یک موضوع قدرتمند و ضروری در بازی های ویدیویی مدرن است که به توسعه دهندگان کمک می کند تا مقدار زیادی از عناصر بازی را ایجاد کنند. تحقیقات جدید و جدید اکنون PCG را با یادگیری ماشینی (ML) مرتبط می کند تا افق های جدیدی برای تولید محتوا ایجاد کند. با این وجود، تحقیقات نشان داد که هنوز کارهای زیادی برای انجام دادن وجود دارد و مشکل استفاده از PCG از طریق ML (PCGML) به عنوان مکانیک بازی را برای تحقیقات بیشتر باز گذاشت.
به همین دلیل، این پایان نامه خود را به پرداختن به این مشکل باز با رویکردی نظری و عملی اختصاص داد و علاوه بر این، دستورالعملی در مورد روند توسعه مکانیک بازی PCGML در اختیار توسعه دهندگان قرار داد. ابتدا به مسائل نظری اساسی پرداخت که در وهله اول به ایجاد آگاهی برای PCGML کمک می کند. سپس به مکانیکهای احتمالی بازی PCGML پرداخت که یکی از آنها در سناریوی نمونه اولیه بازی پیادهسازی شد. کل فرآیند توسعه برای این نمونه اولیه مستند شد تا توسعه دهندگان بتوانند قدم به قدم آنها را دنبال کنند تا مکانیک بازی PCGML خود را پیاده کنند.
این تحقیق نشان داد که مکانیک بازی PCGML برای طیف گسترده ای از بازی ها مناسب است و به ژانرهای خاصی محدود نمی شود. 13 ایده مختلف در پایان نامه شرح داده شده است و یک ایده خاص به نام “تغییر سلاح ها” سپس در سناریوی نمونه اولیه بازی پیاده سازی شد. ویژگی اصلی مکانیک بازی یک مولد سلاح است که می تواند سلاح های جدید و مشابه را بر اساس سلاح های یک بازی تیراندازی اول شخص مورد علاقه تولید کند. به طور خاص، ژنراتور از یک رمزگذار خودکار متغیر پیاده سازی شده با TensorFlow برای یادگیری ساختار زیربنایی و پنهان داده های سلاح ارائه شده استفاده می کند و می تواند داده های مفید سلاح را تولید کند. سپس این ژنراتور در Unreal Engine 4 ادغام شد تا آزمایش کند و ثابت کند که مکانیک بازی PCGML را می توان در یک موتور بازی معمولی استفاده کرد و نشان داد که این برنامه بدون هیچ مشکلی امکان پذیر است.
برای نتیجه گیری پایان نامه، یک گزارش عملکرد ایجاد شد که نشان داد مکانیک بازی اجرا شده باعث کاهش عملکرد قابل توجهی نمی شود. بنابراین، می توان به طور منظم از مکانیک بازی مبتنی بر PCGML در بازی های ویدیویی استفاده کرد. بنابراین، با این اثبات مفهوم، یک منطقه مکانیک بازی جدید برای ایجاد تجربه بازیکنان جدید برای بازی های آینده باز شده است.
الزامات
- Unreal Engine 4.22
- ویندوز 7/8/10 64 بیتی
چگونه شروع و بازی کنیم؟
مخزن را شبیه سازی کنید
پوشه plugins پروژه را باز کرده و فایل “plugins-source-code.7z” را استخراج کنید. این فایل حاوی پلاگین TensorFlow با تغییراتی در افزونه UnrealEnginePython برای فعال کردن پشتیبانی از بسته بندی مناسب است. برای اطلاعات بیشتر به این تاپیک مراجعه کنید.
“فایل فشرده قابل جاسازی ویندوز x86-64” را از وب سایت پایتون دانلود کنید و آن را در “../UE4/Binaries/Win64/” استخراج کنید. توجه: نسخه پایتون مورد نیاز 3.6.4 است.
پروژه را راه اندازی کنید و مطمئن شوید که می توانید کنسول پایتون را در “Window/Developer Tools/Python Console” فعال کنید. این نشان می دهد که افزونه پایتون فعال است و کار می کند.
کنسول پایتون را بررسی کنید و منتظر بمانید تا تمام وابستگی های TensorFlow نصب شوند. برای اطلاعات بیشتر، این صفحه GitHub را بررسی کنید
پروژه را مجدداً راه اندازی کنید و اکنون باید بتوانید بازی را اجرا کنید. برای اطمینان از اینکه همه چیز کار می کند، نقشه مولد سلاح واقع در “Content/Blueprints/BP_TensorFlowWeaponGenerator” را باز کنید. باز شدن آن باید کمی طول بکشد و هیچ پیام خطایی نباید در گزارش ها ظاهر شود. یعنی شما آماده رفتن هستید!
دکمه پخش یا ALT+P را فشار دهید و باید خود را در منوی اصلی بیابید. اگر پس از فشار دادن دکمه “Start Scenario” فریز شد، وحشت نکنید! فقط چند لحظه طول می کشد تا همه dll ها بارگیری شوند.
پروژه شامل فایل پایان نامه انگلیسی و شبیه سازی است.
پروژه مشابه دارید؟
برای ثبت سفارش در سیمیا می توانید از طریق اپلیکیشن سیمیا، یا فرم ثبت سفارش در سایت اقدام کرده و یا از طریق ایمیل، واتساپ، تلگرام و اینستاگرام اقدام نمایید.
اپلیکیشن سیمیا را از بازار و مایکت دانلود کنید.
سریع ترین راه پاسخگویی سیمیا، واتساپ می باشد. لینک واتساپ، اینستاگرام و تلگرام در پایین سایت وجود دارد.
نشانی ایمیل سیمیا simiya_ht@yahoo.com می باشد.
از برقراری تماس برای هماهنگی پروژه خودداری کنید، حجم بالای سفارشات به ما اجازه نمی دهد تا از طریق تلفن پاسخگوی شما عزیزان باشیم، حتما درخواست خود را به صورت مکتوب و از طریق یکی از راه های ذکر شده فوق ارسال نمایید، درخواست خود را به طور کامل و با تمام فایل ها و توضیحات لازم ارسال نمایید تا مدت زمان بررسی آن به حداقل برسد. پس از تعیین کارشناس، در اسرع وقت به شما پاسخ می دهیم.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.