爷青回！GAN生成的超级马里奥关卡，可以永不通关的那种！

冷不防 2023-01-19 04:42 81阅读 0赞

点击上方“**机器学习与生成对抗网络**”，关注星标

获取有趣、好玩的前沿干货！

##### 子豪 发自 凹非寺 本文转自：量子位（QbitAI） #####

先来一波回忆杀~

![ba73735fe111f16d3ed4675e9dfbe994.gif][]

《超级马里奥兄弟》的重度玩家们，可能已经发现了，这并不是原本32关里面的。

不过，如果你以为这是《马里奥制造》的杰作，那你就猜错了~这是**AI**利用GAN搞出来的！

利用**GAN**生成红白机游戏画面，并不是新鲜事，不过，这一次是可以**无限延长**的那种~

![a93cbdbdace606fe14a156f0adfaf0e3.png][]

花样还不少：

![5ae153e8238f402603b4adb5eb215e67.png][]![8533e6fff60ec9a0f45857fc2a5d3274.png][]

## 只需用4个颜色通道表示对象 ##

在游戏中，关卡数据以压缩格式存储，通常，每个对象用**两个字节**来描述位置和类型。

一个字节指定16x16网格中的xy坐标；第二个字节指定对象的类型。比如在第一关的场景中，仅用了12个字节来描述：

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

作者为了将关卡**编码为16x16的图像**，分别设置了**4个独立颜色通道**：

![de4dbca906a15dbe0c7b546dd25da352.png][]

比如，第一关的截图，就可以表示成这样：

![0784bf49a32764c08e1cad56c981c0b0.png][]

这样的编码方式，既能够涵盖**足够多的对象**，又不至于太过复杂。

并且，根据关卡中**对象的排列方式**进行分组，有利于模型进行学习并重现。比如，实心砖用于布置楼梯、砖块则通常水平放置。

此外，将所有对象组织成一个合理的方案，**减少**生成网络失误对输出结果的**负面影响**。

比如用硬币代替砖块，影响非常小；而如果用管道或库巴来代替，就会出现问题。

开发者还找出了**游戏的一些特点**：

> 管道可以连接地面或一排浮动块；
> 
> 方块通常用来构建各种尺寸的楼梯；
> 
> 砖块和问题块，大多排在第3位和第7位；
> 
> 其他角色一般会分成两三组。

接下来，作者使用TensorFlow作为后端，利用Keras来构建模型，并进行训练。

**生成器**通过输入的一组特征向量，来生成新的样本图像；**鉴别器**则区分是训练集中的真实图像，还是生成器伪造的。

随着遍历训练集的次数增加，生成效果也逐渐**改善**：

![9f817496e0b63ae22e594765c7422d65.png][]

**最终**输出的结果，是这样的：

![6507f71f3fdf8524e8953b0760f8ff5f.png][]

嗯，效果真的很不错~

## 想永不通关？用cGAN ##

现在，只需把一张张“截图”连接起来，你就会得到：

半个库巴、半个管道，以及半个马里奥……

![c11aebbd002f272e32bb5bff5654eefa.png][]

怎么才能**无缝拼接**，得到连贯的关卡呢？

这就需要利用**「有条件的GAN」**，把前一个场景作为后一个场景的**边界条件**。

就像这样：

![053f522c041967ec1f00f14e4688ca23.png][]

可以看出，场景的左侧部分，是以第一行图像作为边界条件生成的。

具体来说，首先要在之前的基础上，向生成器输入一组**16×4**的图像，作为上一个场景的边界部分。

网络架构是这样的：

![9ee75c9df73fb4e8bbc974e184929db0.png][]

生成器在输入条件的限制下，生成**16x16**的图像，然后，把它们与16×4的输入图像**进行拼接**，再用拼接后的图像来训练鉴别器。

![fd25668055e6ac29ed0c8e4a949a471c.png][]

利用16×4图像的**不断迭代**，最终就能拼接成**连续**的场景，比如，经过40次迭代的结果：

![3d4702eadace6351a20b1d0e7157178c.png][]

> “不想通关综合症”可能有救了！

开发者表示，虽然效果不是特别完美，但是已经具备了趣味性和可玩性~

![e8e3016e5e57be1075347493d8eed739.gif][]

是不是和那个“能玩一辈子的游戏”——**《马里奥制造》**有点像？它同样主打关卡制造，不过是玩家来手动设计。

![3ffd1206077a9f018c8f26f5b1c86cd1.gif][]

###### **△**马里奥制造2 （图源：游戏官网）    ######

在发布关卡之前，作者必须通关一次，于是有些人就加入隐蔽的“作者通道”，偷个懒直达终点。

不少高手都曾被“马造毒图”难倒，当然如果玩家发现隐蔽通道，就能“偷鸡”通关~

这样“有趣又有毒”的关卡，不知道AI能否构建出来呢？

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

猜您喜欢：等你着陆！【GAN生成对抗网络】知识星球！超100篇！CVPR 2020最全GAN论文梳理汇总！
    拆解组新的GAN：解耦表征MixNMatch
    StarGAN第2版：多域多样性图像生成附下载 | 《可解释的机器学习》中文版
    附下载 |《TensorFlow 2.0 深度学习算法实战》
    附下载 |《计算机视觉中的数学方法》分享
    《基于深度学习的表面缺陷检测方法综述》
    《零样本图像分类综述: 十年进展》
    《基于深度神经网络的少样本学习综述》

[ba73735fe111f16d3ed4675e9dfbe994.gif]: /images/20221021/d7a344e026b749068abf32de71404e5e.png
[a93cbdbdace606fe14a156f0adfaf0e3.png]: /images/20221021/5a62b4bbbdac47b6ad94cc0a0e6925a1.png
[5ae153e8238f402603b4adb5eb215e67.png]: https://img-blog.csdnimg.cn/img_convert/5ae153e8238f402603b4adb5eb215e67.png
[8533e6fff60ec9a0f45857fc2a5d3274.png]: /images/20221021/7f889885c8a94a83a838ab5bd0c5ec8c.png
[de4dbca906a15dbe0c7b546dd25da352.png]: /images/20221021/698d6522ef364402b093582110e8a4cf.png
[0784bf49a32764c08e1cad56c981c0b0.png]: /images/20221021/b57d16faff8d45c484b68db0e31a08f5.png
[9f817496e0b63ae22e594765c7422d65.png]: /images/20221021/7c6421e1b54f4f498cebb1dcdd2e8b85.png
[6507f71f3fdf8524e8953b0760f8ff5f.png]: /images/20221021/1aed8f26e5d8401cb4bd15741ab78b46.png
[c11aebbd002f272e32bb5bff5654eefa.png]: /images/20221021/06d5ad999dd94d0296b21bcdaa8efb24.png
[053f522c041967ec1f00f14e4688ca23.png]: /images/20221021/926eb66989a947278d1a1d40a21cbde3.png
[9ee75c9df73fb4e8bbc974e184929db0.png]: /images/20221021/b937888c128b4669b94d591aafdf2323.png
[fd25668055e6ac29ed0c8e4a949a471c.png]: /images/20221021/37e3bb06ac7c4fe5bc4d787c62288617.png
[3d4702eadace6351a20b1d0e7157178c.png]: /images/20221021/2c484f29cffb4618b17b2fe6a8d6f63c.png
[e8e3016e5e57be1075347493d8eed739.gif]: /images/20221021/66aa145170f94b188bbdb7c906145a8e.png
[3ffd1206077a9f018c8f26f5b1c86cd1.gif]: /images/20221021/51faa21279d14dc2b536bf365c0e56f8.png