Génération procédurale de niveaux de jeu alliant approche constructive et optimisation - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Procedural generation of game levels combining constructive approach and optimisation

Génération procédurale de niveaux de jeu alliant approche constructive et optimisation

Résumé

The research work in this thesis is positioned in the field of procedural content generation in video games. This study focuses more specifically on the questions related to the diversity and quality of the generated content. Indeed, in the video game industry, developers are constantly challenged to offer a diverse range of quality game environments to players. This perpetual quest led us to study numerous methods and algorithms, through a literature review of procedural content generation. Eventually, we addressed the following problem: How to achieve a generation method that offers a high degree of diversity of game experiences, while maintaining a certain structural quality in its results? Our study is centred in particular on the level design and the placement of objects in game levels. We also targeted a generation of non-linear open 3D levels for a first-person shooter, with a settlement infrastructure whose contents are positioned on a 2D grid.This thesis introduces a new method, named Genetic-WFC, with the aim of providing a diversity of game experiences with levels having a certain structural quality. It is a procedural generation pipeline that combines a Search-Based approach, consisting of a genetic algorithm and simulation-based evaluation, with a constructive method, the Wave Function Collapse, to generate levels targeting specific game experiences. The Wave Function Collapse, abbreviated WFC, is an algorithm for propagating local adjacency constraints. In our approach, it extracts these constraints from level examples, and allows us to perform genetic search on results that do not exhibit object placement errors. It serves, in fact, as a repair operator for the individuals in the population of the genetic algorithm. The driving of the WFC, by the search algorithm, is made possible by influencing the selection probability of its elements. We employ a level re-encoding solution that allows us to improve the optimisation process of our evolutionary algorithm. We also use a synthetic player to evaluate the game experience using three perception heuristics, namely, the novelty, safety and complexity, during a simulation of a walkthrough.Various experiments on our method have been conducted in order to establish its capabilities and performance. After looking at the computation time of the WFC for the generation of levels, a second experiment focused on comparing our approach to other similar methods, taking into account, in particular, the computation time and the score value of the results obtained. We also look at the visual differences between certain levels produced by these various methods. A last experiment is based on the evaluation of the diversity of game experiences that our procedural generation algorithm can provide.We conclude this thesis by mentioning several areas of improvement and further research, which can be pursued more thoroughly. For example, a user experience with fully playable settlements could be a next step in the study of our method.
Le travail de recherche effectué dans ce manuscrit se positionne dans le domaine de la génération procédurale de contenu dans le jeu vidéo. Cette thèse s'intéresse plus spécifiquement aux questionnements liés à la diversité et à la qualité du contenu généré. En effet, dans le milieu du jeu vidéo, les développeurs sont amenés continuellement à offrir une palette diversifiée d'espaces de jeu de qualité aux joueurs. Ce défi perpétuel nous a interpellé et nous a conduit à l'étude de nombreuses méthodes et algorithmes, grâce à une revue de littérature de la génération procédurale de contenu. Finalement, nous nous sommes penchés sur la problématique suivante : comment aboutir à une méthode de génération proposant une forte diversité d'expériences de jeu, tout en conservant une certaine qualité structurelle dans ses résultats ? Nous avons centré notamment notre étude sur la conception des niveaux de jeu et le placement d’objets. Nous nous sommes focalisés, plus particulièrement, sur la génération de niveaux 3D ouverts non-linéaires de type jeu de tir à la première personne, avec une infrastructure de campement dont le contenu est positionné sur une grille 2D.Cette thèse propose une nouvelle méthode, nommée Genetic-WFC, dans le but d'offrir une diversité d'expériences de jeu avec des niveaux possédant une certaine qualité structurelle. Il s'agit d'un pipeline de génération procédurale qui combine une approche Search-Based, à savoir un algorithme génétique et une évaluation par simulation, avec une méthode constructive, le Wave Function Collapse, afin de générer des niveaux ciblant des expériences de jeu spécifiques. Le Wave Function Collapse, abrégé WFC, est un algorithme de propagation de contraintes locales d'adjacence. Dans notre approche, il extrait ces contraintes à partir d'exemples de niveau, et nous permet d'effectuer la recherche génétique sur des résultats ne présentant pas d'erreurs de placement d'objets. Il agit en tant qu'opérateur de réparation pour les individus de la population de l'algorithme génétique. Le pilotage du WFC, par l'algorithme de recherche, est rendu possible en influençant la probabilité de sélection de ses éléments. Nous employons une solution de réencodage des niveaux qui nous permet d'améliorer le processus d'optimisation de notre algorithme évolutionnaire. Nous utilisons également un joueur synthétique pour évaluer l'expérience de jeu à l'aide de trois heuristiques de perception, à savoir, la nouveauté, la sécurité et la complexité, lors d'une simulation d'un parcours.Diverses expérimentations sur notre approche ont été menées afin d'établir ses capacités et ses performances. Après s'être intéressé au temps de calcul du WFC pour la génération de niveaux, une seconde expérience s'est attachée, plus particulièrement, à comparer notre méthode à d'autres similaires en prenant en compte, notamment, le temps de calcul et la valeur de score des résultats obtenus. Nous y confrontons également les différences visuelles entre certains niveaux produits par ces diverses méthodes. Une dernière expérience repose, quant à elle, sur l'évaluation de la diversité des expériences de jeu que peut proposer notre algorithme de génération procédurale.Nous terminons cette thèse en évoquant plusieurs pistes d'amélioration et de poursuite de recherche, qui peuvent encore être approfondies. Une expérience utilisateur avec des campements jouables pourrait représenter, par exemple, une prochaine étape dans l'étude de notre méthode.
Fichier principal
Vignette du fichier
108442_BAILLY_2022_archivage.pdf (45.29 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03971457 , version 1 (03-02-2023)

Identifiants

  • HAL Id : tel-03971457 , version 1

Citer

Raphaël Bailly. Génération procédurale de niveaux de jeu alliant approche constructive et optimisation. Autre [cs.OH]. HESAM Université, 2022. Français. ⟨NNT : 2022HESAC021⟩. ⟨tel-03971457⟩
202 Consultations
14 Téléchargements

Partager

Gmail Facebook X LinkedIn More