GAN生成的超级马里奥关卡，可以永不通关的那种

子豪 发自 凹非寺
来源 量子位

先来一波回忆杀~

《超级马里奥兄弟》的重度玩家们，可能已经发现了，这并不是原本32关里面的。

不过，如果你以为这是《马里奥制造》的杰作，那你就猜错了~这是AI利用GAN搞出来的！

利用GAN生成红白机游戏画面，并不是新鲜事，不过，这一次是可以无限延长的那种~

花样还不少：

只需用4个颜色通道表示对象

在游戏中，关卡数据以压缩格式存储，通常，每个对象用两个字节来描述位置和类型。

一个字节指定16x16网格中的xy坐标；第二个字节指定对象的类型。比如在第一关的场景中，仅用了12个字节来描述：

07 81 | 47 24 | 57 00 | 63 01 | 77 01 | C9 71

作者为了将关卡编码为16x16的图像，分别设置了4个独立颜色通道：

比如，第一关的截图，就可以表示成这样：

这样的编码方式，既能够涵盖足够多的对象，又不至于太过复杂。

并且，根据关卡中对象的排列方式进行分组，有利于模型进行学习并重现。比如，实心砖用于布置楼梯、砖块则通常水平放置。

此外，将所有对象组织成一个合理的方案，减少生成网络失误对输出结果的负面影响。

比如用硬币代替砖块，影响非常小；而如果用管道或库巴来代替，就会出现问题。

开发者还找出了游戏的一些特点：

管道可以连接地面或一排浮动块；

方块通常用来构建各种尺寸的楼梯；

砖块和问题块，大多排在第3位和第7位；

其他角色一般会分成两三组。

接下来，作者使用TensorFlow作为后端，利用Keras来构建模型，并进行训练。

生成器通过输入的一组特征向量，来生成新的样本图像；鉴别器则区分是训练集中的真实图像，还是生成器伪造的。

随着遍历训练集的次数增加，生成效果也逐渐改善：

最终输出的结果，是这样的：

嗯，效果真的很不错~

想永不通关？用cGAN

现在，只需把一张张“截图”连接起来，你就会得到：

半个库巴、半个管道，以及半个马里奥……

怎么才能无缝拼接，得到连贯的关卡呢？

这就需要利用「有条件的GAN」，把前一个场景作为后一个场景的边界条件。

就像这样：

可以看出，场景的左侧部分，是以第一行图像作为边界条件生成的。

具体来说，首先要在之前的基础上，向生成器输入一组16×4的图像，作为上一个场景的边界部分。

网络架构是这样的：

生成器在输入条件的限制下，生成16x16的图像，然后，把它们与16×4的输入图像进行拼接，再用拼接后的图像来训练鉴别器。

利用16×4图像的不断迭代，最终就能拼接成连续的场景，比如，经过40次迭代的结果：

“不想通关综合症”可能有救了！

开发者表示，虽然效果不是特别完美，但是已经具备了趣味性和可玩性~

是不是和那个“能玩一辈子的游戏”——《马里奥制造》有点像？它同样主打关卡制造，不过是玩家来手动设计。

△马里奥制造2 （图源：游戏官网）

在发布关卡之前，作者必须通关一次，于是有些人就加入隐蔽的“作者通道”，偷个懒直达终点。

不少高手都曾被“马造毒图”难倒，当然如果玩家发现隐蔽通道，就能“偷鸡”通关~

这样“有趣又有毒”的关卡，不知道AI能否构建出来呢？

原文链接：
https://medium.com/@eway/using-a-generative-adversarial-network-to-author-playable-super-mario-bros-levels-223736bd4ce

— 完 —

推荐阅读

计算机视觉顶尖期刊和会议的段子

面向生产环境！深度学习模型部署资源全辑

基于深度学习的目标检测算法面试必备（RCNN~YOLOv5）

超越YOLOv5，1.3M超轻量，高效易用，目标检测领域这一个就够了！