Orchestrating and Adapting of Dungeon Levels, Locked-door Missions, and Enemies
Breno M. F. Viana · 2022
Técnicas de Geração Procedural de Conteúdo, ou Procedural Content Generation (PCG), podem ser usadas para gerar automaticamente o conteúdo de jogos ou aumentar a criatividade e a produtividade dos designers.Além disso, PCG pode funcionar como um recurso de jogo, fornecendo conteúdo diversificado e direcionado aos jogadores.Nesse contexto, abordamos o problema da orquestração de conteúdo adaptativo, especificamente explorando como coordenar a geração de níveis, missões e inimigos para um jogo de ação-aventura e diferentes tipos de jogadores.Assim, a presente dissertação de mestrado propõe um sistema de PCG para experiências de jogo com diferentes jogadores.Nosso sistema é focado em três diferentes facetas do jogo, níveis de masmorras, narrativas (missões) e regras (inimigos), e composto por três módulos, orquestrador, classificador e protótipo de jogo.O módulo orquestrador coordena dois algoritmos para gerar níveis e inimigos; ambos aplicam MAP-Elites para manter uma variedade de soluções sem perder qualidade.A abordagem de geração de níveis cria masmorras com inimigos (faceta de níveis) e missões de portas trancadas (faceta de narrativas).Por sua vez, a abordagem de geração de inimigos cria inimigos com diferentes atributos e comportamentos (faceta de regras).Em seguida, o módulo classificador recebe as respostas dos jogadores dadas a um breve questionário sobre suas preferências de jogo para categorizar seus perfis.Para adaptar os conteúdos, definimos objetivos diferentes de cada gerador para cada tipo de jogador.Em seguida, com base no tipo de jogador, o módulo orquestrador combina adequadamente os níveis e inimigos gerados anteriormente.Para isso, projetamos o orquestrador para filtrar e selecionar inimigos coerentes colocados nas salas dos níveis.O módulo de protótipo de jogo é onde validamos os conteúdos gerados pelo nosso sistema e coletamos dados dos jogadores.Nossos resultados mostram que os dois algoritmos MAP-Elites convergem com precisão quase toda a população na maioria das execuções e maioria dos casos.Os feedbacks dos jogadores mostram que gostaram dos níveis que jogaram e dos inimigos que enfrentaram.Além disso, a maioria deles não poderia indicar que um algoritmo criou os níveis ou os inimigos.Nosso sistema apresentou resultados positivos para entregar conteúdo adaptável de forma adequada para diferentes tipos de jogadores, por meio de um processo simples de criação de perfil de jogadores.Assim, podemos concluir que nosso sistema PCG pode gerar níveis e inimigos capazes de entreter diferentes jogadores.