关于马里奥关卡生成的总结及细节说明

Evolving Mario Levels in the Latent Space of a Deep Convolutional Generative Adversarial Network（GECCO 2018最佳论文）

参考网址：https://www.sohu.com/a/243597299_610300
下面是本文提出的马里奥关卡生成的WGAN网络。用来生成Mario关卡

生成结果：

latent variable evolution (LVE)

用途：可以通过设置适应度函数，在隐变量空间中不断探索，输入到已训练好的生成器中，然后判断生成的图片是否符合适应度函数（eg:更多的敌人或者是A*能通过）

数据集

https://github.com/TheVGLC/TheVGLC/blob/master/Super%20Mario%20Bros/Original/mario-1-1.png
这个数据集里面还有其他关卡的图片，但是都比这个要复杂的多，比如有食人花等等。
目前只是在这1个关卡上做的

通过只在一个级别上进行训练，我们能够表明，即使在非常有限的数据集的情况下，我们也可以成功地应用所提出的方法。

一个样本就能训练？？？
会把这一个level按照28*14的比例切割，分成173个训练图像

注意事项

• 输入是一个32维向量
• 是根据已有数据集训练的

总结

这个生成器是后面RL关卡生成里面用到的生成器，包括之后所有的关卡生成都是用的这个生成器。但是这里存在两个问题：

1. 生成的图片有Bug，不一定能完全满足规则约束；
2. 由于是基于原有数据集做的，所以生成的关卡和原有数据集分布近似

想法

• 看了一下目前的mario生成似乎都只是在这个关卡上来做的，那其他关卡为什么没人做呢？可能会设计到其他的设置，不太方便？
  

A Novel CNet-assisted Evolutionary Level Repairer and Its Applications to Super Mario Bros（IEEE World Congress on Computational Intelligence）

这篇文章的期刊含金量有点低，主要是解决上面提到的关卡生成以后有破损的情况。用的是遗传算法，没有细看。