纽约大学和 modl.ai 的研究人员近日发表了一篇新论文，介绍了通过强化学习生成过程性内容（PCGRL），这是过程性内容生成的新范例。他们研究了如何使用强化学习来训练游戏中的关卡设计智能体。这代表了一种在游戏中生成程序性内容的新方法，其中关卡设计被设计为游戏，并且内容生成器本身则被作为学习对象。通过将设计问题视为顺序任务，他们可以使用强化学习来学习如何采取下一步行动，以使预期的最终关卡质量最大化。他们研究了将二维关卡设计问题转换为 Markov 决策过程的三种不同方式，并将其应用于三种游戏环境。