原创 程序生成内容PCG十年，过去，趋势，未来（本文是一篇外文综述的中文精简版）

本文总长在3.5k字，建议阅读10分钟

原文名为10 Years of the PCG workshop : Past andFuture Trends 即PCG研讨会十年：过去和未来趋势

作者是Antonios Liapis 来自马耳他大学，译者是tachyonLancer，来自哈尔滨工业大学

摘要：截至2020年，程序内容生成国际研讨会进入第二个十年。该年度研讨会由数字游戏基础国际会议主办。研讨会收集了过去的10年发表的95篇论文。本文对研讨会的活动进行了概述，并对近年来出现的流行研究课题进行了综述。

1 介绍

算法在数字游戏应用已经有四十年之久。从Rogue (Toy and Wichman,1981，最早设计了地图随机和不可挽回性，并使用算法生成游戏内容)和ELITE (Acornsoft, 1984)（Ian Bell和DavidBraben设计，一个太空船游戏，涉及了最早先的沙盒概念）。但其作为学术研究却是最近才出现。程序内容生成(PCG)研讨会从2010年举办以来在研究，发动学术界和出版方面起到了作用。本文尝试回顾过去十年的PCG研讨会内容并总结其方向变化

这十年间，人工智能(Al)生成游戏内容的研究蓬勃发展。所有类型的PCG研究已经被高级会议和期刊所接受，并且在IEEE Transactions on Games(以及之前的IEEE Transactions on Computational Intelligenceand AI in Games)上发表了三个与PCG直接相关的专题。出版了一本PCG的教科书，2018年举行了专注于AI驱动游戏设计的达堡研讨会（这是计算机科学的顶级聚会之一）。最后，从2014年起·一年一度的PROCJAM培养了一群对“制作一些东西”感兴趣的开发者和研究人员。

表1列出了本文所考察的前十个PCG研讨会的基本信息。

在产出方面，每年比较固定的产出十篇左右的PCG文章

从表面上看，十年间95篇发表的PCG论文平均由2.9位共同作者撰写(中位数:3)。95篇论文中包括17篇单作者论文和10篇5位或以上作者的论文。在十年的研究中，有184位不同的作者发表了论文。值得注意的是，78%的作者只发表了一篇论文，而Julian Togelius和Rafael Bidarra是最活跃的作者，分别发表了14篇和10篇论文。

生成的内容类型：

PCG指的是游戏内容中“除了非玩家角色（NPC）行为和游戏引擎本身之外，影响游戏性的所有方面”，包括了“地形，地图，管卡，故事，对话，任务，人物，规则，交互方式和武器”

（文中给出的观点）

虽然定义宽泛，但大多数PCG研讨会论文专注于关卡或世界的生成(51%)。关卡生成的范畴相当广泛，包括地形，地下城，迷宫，定居点等。PCG十年间也发表了六篇关于生成建筑的文章，包括建筑3d模型，家具和室内装饰等。这些文章中分类的主要标准是基于对真实世界模式的逼真度和对审美吸引力的关注，而不是游戏性的改进。

在其他的PCG中，图形非常突出（占8%），如粒子效果，3d网格和2d艺术。

游戏机制mechanics的生成同样流行（占论文的8%），有时与等级level生成或图形生成相结合。机制是指玩家可以采取的行动，更广泛的机制也可以包括武器和角色类的游戏参数。

有5篇文章涉及到生成故事元素，涉及的范围相当广泛，从生成神秘故事情节到NPC传记，再到satellite sentences（“卫星”句子，指的是在对话场景中调节节奏并重新建立上下文，原作https://dl.acm.org/doi/pdf/10.1145/2538528.2538540。卫星句子指的是比如时间，地点，以及描述手段等，比如（她深呼吸一口气，大喊“我就在这里等你”，这里真正有用的文本只有引号，而前面的内容由卫星句子生成。））

Quests ormissions（这里的quest指的是npc发布的任务，而mission指的是主线或者重要的一次性任务，此外task也常见在游戏设计里，指的是预期的工作，比如异星工厂那种）出现了6篇论文，无论是作为一个级别的任务路线图，还是严肃游戏中的挑战、RPG中的任务等。

完整游戏的生成也在3篇论文中处理，其中两篇给出了实际的游戏生成器。

还有一些论文不适用于上述任何一类，研究了如角色运动，语言，或者是提出了一般算法比如图匹配，随机数生成等，或者是提出了一种新的思考方式

4目标游戏

https://ibb.co/KjbDPKd

表2是PCG涉及到的游戏类型的分类。其中，有五篇使用了多个游戏，有19篇并没有特定游戏。

不出意料的，最受欢迎的PCG当属平台类，roguelike和RPG。超级马里奥兄弟(Nintendo, 1985)在平台游戏研究中最受欢迎。但是一些专门为研究定制的平台和商业游戏也有使用。比如“Sure Footing”。或者一些玩家控制PCG的游戏比如暗黑破坏神(Blizzard, 1997)和其它一些动作冒险游戏。这些游戏常被成为地下城或洞穴游戏。

角色扮演游戏（RPG）也涵盖了广泛的游戏，它们的PCG涵盖了：任务生成，类平衡（这里的类指的就是OOP编程中的类，比如人物类等，每个角色类被看作是多个能力和属性的集合。对其进行平衡），以及模拟社会，他们的历史和语言。

在表2中提到的其他类型中，值得注意的是严肃游戏和现实模拟游戏。

“严肃”游戏，或具有娱乐以外目的的游戏指的是：在语言学习，康复，训练场景和人类计算。

也有其他包括现实模拟，或者仅仅是视觉，图形等生成算法的内容

5算法的演进

PCG这十年间发表了十四篇论文使用人工进化

在过去十年中，PCG工作室发表的14篇论文使用人工进化来生成关卡(8篇)和/或机制(4篇)或图像。

机器学习也被应用在7篇PCG专题论文中，以非负矩阵分解、随机森林、自组织地图、深度学习和波函数坍缩的形式出现。

声明式编程也很突出，在13篇论文中，包括语义约束(5篇)和ASP编程(8篇)。其中62%的论文是在研讨会的前三年发表的。

15份PCG研讨会论文使用某种语法作为句子/语言生成的模板或更传统的PCG目标，

如关卡生成，建筑，设计，美术等。常见的算法方法是构造方法，如元胞自动机，agents代理（这个我真不知道，我还是学计算机的都不认识），L-系统（Lindenmayer系统，一种用于植物模拟的正规语法族），递归分割recursive subdivision，diamond-square算法（常用于3维地图生成）等

6 其他方面

十年间的趋势显示，设计工具的文章非常流行，专注于算法，并解释如何控制这些算法

同样热门的有使用设计模式指导生成，使用表达范围作为评价方法（表达范围是Smith和Whitehead在第一次PCG研讨会上提出的，作为一个评估关卡生成器的方法。

还有包括模拟玩家行为的文章

最后的，有8篇文章提供了新的愿景，并未提供设计细节，提出了PCG的新内容类型（Jim Whitehead. 2010，提出了关于在游戏中快速生成装饰艺术品的理论），新的生成方法或者揭示了PCG面临的伦理问题等。

图3:多年来PCG论文中最突出的内容类型。                       图4:多年来发表的PCG论文中最主要的游戏类型。                  图5：多年来PCG论文中最著名的算法类型

                    

7未来的研究趋势：

通过对不同论文的主题、目标博弈、算法等进行定量分析，追踪该语料库最流行的方面在不同年份的流行情况。由于每年发表的论文数量较少，该分析使用相关论文占当年PCG研讨会发表的所有论文的比例。使用基于线性回归的趋势线进行可视化。

图3显示了最显著的生成内容类型，以及它们在研究的十年中是如何波动的。

关卡生成始终保持较高且相当稳定。任务生成和架构在PCG早期是很活跃的，至少在前四次PCG研讨会上。而机制和图像的生成相当稳定。有趣的是，最近PCG工作室的工作集中在故事的各个方面，叙事生成呈上升趋势。

图4显示了最主要的目标游戏类型的波动情况。这种高波动表明，研究人员倾向于专注算法和生成内容类型而非游戏类型。尤其是严肃游戏的PCG研究兴趣下降。虽然在图中没有表现。不过在2018年推出的Minecraft生成设计竞赛(Generative Design inMinecraft)的刺激下，制作游戏最近有所增加。

图5显示了过去十年中用于生成PCG专题论文的主要算法家族。建设性的方法似乎被稳步使用。之前学术界对声明式方法兴趣的激增似乎正在减少。

人工进化看起来非常稳定。流行的算法方法略有上升趋势。机器学习(ML)是最具上升趋势的。

8讨论

就分类而言，对商业游戏来说分类并不是简单的事情

关卡生成依旧热门。很多游戏依赖于关卡来增加重玩性和多样性.代码库的普及和关卡设计竞赛的盛行使得关卡生成越来越受到关注。

叙事仍然是PCG研究的重要方向。受到商业上（如LudoNarraCon）和学术上（the InternationalConference on Interactive Digital Storytelling conference and the IntelligentNarrative Technologies workshop）ICIDS

算法上，机器学习似乎是PCG研究的趋势，考虑到已经有通过深度学习进行艺术创作的范例，这似乎是鲜见的。更成熟的PCG算法如人工进化和声明式编程，正朝向将机器学习用于内容初始化、适应度预测等的集成方向发展。

PCG经常会使用一些古早的，研究人员个人偏好的游戏，比如超级马里奥兄弟。

在这方面，我的世界可能成为PCG下一个研究重点，部分原因来自微软的GDMC竞赛

在不同的领域，也可能引发新的PCG研究，如潜行游戏。

延伸阅读：

Analyzing the Expressive Range of a LevelGenerator分析关卡生成器的表达范围

Gillian Smith&Jim Whitehead

Expressive Intelligence Studio Universityof California, Santa Cruz

这里提出了关卡生成器的评价标准：

这里使用的示例虽然是2D卷轴的跑酷游戏（刺猬索尼克，天天酷跑），而不是形如死亡细胞或者空洞骑士那样的基于探索的关卡。这些游戏依托于一系列通过障碍的恰当运动而非探索与战斗。不持支选择关卡路径，也不支持回头，这样的游戏可以比较方便的提出关卡生成的表达指标

       指标包括

1 线性指标（基于回归的，判断平台之间的偏移和落差）

2“宽容”是指玩家对关卡的宽容程度。为了衡量关卡难度给每一种与节拍相关的几何图形打分:

+1.0:间隙，敌人，下落

+0.5:弹簧，跺脚

-0.5:移动平台

-1.0:没有间隙关联的跳转

       根据这两个指标作为x，y绘制关卡的二维表示。

这篇文章有近一百个引用，可以认为该文章的生成模型和评估标准已经广泛地使用在了目前的游戏开发当中。至少是2d卷轴平台跑酷的游戏当中