Karkulka v gramatickém lese: Samoučící 2D hra generovaná gramatikou

Abstract

Práce se věnuje procedurálnímu generování samoučící 2D hry typu platformer. Generování je prováděno stochastickou kontextovou gramatikou, jejíž pravidla se vytvářejí podle herních objektů definovaných uživatelem. Model řídící pravděpodobnostní rozdělení pravidel se za běhu hry učí a přizpůsobuje tak, aby danému hráči na míru připravoval stále těžší herní výzvy. Byl implementován prototyp hry a za pomoci uživatelského testování byly vybrány faktory vhodné k měření a učení modelu.

The thesis deals with procedural generation of a self-learning 2D game of the platformer type. Generation is conducted by stochastic context-sensitive grammar, rules of which are created based on game objects defined by the user. The model managing probability distribution of rules learns and adapts during the run of the game in such a way, so that the player is presented with custom-tailored and gradually more difficult challenges. Game prototype has been implemented and factors suitable for measuring and model's learning have been selected through user testing.