Técnicas bio-inspiradas para la generación procedimental de historias en literatura y videojuegos de mundo abierto
Metadatos
Mostrar el registro completo del ítemEditorial
Universidad de Granada
Departamento
Universidad de Granada. Programa de Doctorado en Tecnologías de la Información y de la ComunicaciónMateria
Videojuegos Algoritmos evolutivos Mundo abierto Técnicas bio-inspiradas
Fecha
2022Fecha lectura
2022-05-04Referencia bibliográfica
García Ortega, Rubén Ortega. Técnicas bio-inspiradas para la generación procedimental de historias en literatura y videojuegos de mundo abierto. Granada: Universidad de Granada, 2022. [http://hdl.handle.net/10481/75420]
Patrocinador
Tesis Univ. Granada.Resumen
El propósito de esta tesis es desarrollar metodologías que faciliten el diseño
de historias vitales masivas, originales, interesantes y coherentes entre
sí, de personajes no jugadores en videojuegos de mundo abierto. Para lograrlo
se han definido, desarrollado y evaluado dos metodologías (ascendente y
descendente) basadas en técnicas bio-inspiradas, que usen elementos a dos
niveles: eventos o acciones de los personajes a bajo nivel y recursos reiterativos
a mayor nivel (tales como arquetipos, estructuras de guión o recursos
narrativos).
La metodología ascendente está basada en un enfoque híbrido computación
evolutiva / modelo basado en agentes, para la generación de eventos
masivos de bajo nivel en mundos virtuales donde emergen, de forma autoorganizada,
recursos reiterativos de interés potencial para las historias. Los
resultados obtenidos tras su evaluación indican que esta permite la aparición
de los recursos reiterativos objetivo, dándole relevancia a la coherencia
espacio-temporal de los eventos. Sin embargo, dicha metodología presenta retos
como la dificultad de diseño de los agentes, eventos y recursos candidatos,
o de que dichos recursos emerjan en mayor o menor cantidad en el mundo
virtual, afectando negativamente al interés potencial. Para solventar este
problema, se plantea la metodología descendente, basada en algoritmos evolutivos
que seleccionan combinaciones de recursos reiterativos interesantes,
usando una red neuronal para predecir su calidad potencial. Los resultados
obtenidos tras su evaluación indican que esta permite optimizar combinaciones
de recursos reiterativos con coherencia contextual, creatividad y un alto
grado de interés potencial. Este enfoque implica un mayor esfuerzo para el
autor/guionista a la hora de interpretar dichos recursos como hechos narrables
y aportar su coherencia espacio-temporal a nivel de estados del mundo
y de los personajes.
Ambos enfoques, ascendente y descendente, abordan el problema de generación
de historias de un modo complementario, siendo buenas herramientas
candidatas para la asistencia al autor/guionista del mundo virtual, que tendrá,
en última instancia, la responsabilidad de su uso y adaptación a los
personajes no jugadores y su narración o forma final. The purpose of this thesis is to develop methodologies that support the
design of massive, original, interesting and coherent life stories of non-player
characters in open-world video games. To achieve this, two methodologies
(bottom-up and top-down) based on bio-inspired techniques have been defined,
developed and evaluated, using elements at two levels: low-level character
events or actions and higher-level reiterative resources (such as archetypes,
script structures or narrative resources).
The bottom-up methodology is based on a hybrid evolutionary computation
/ agent-based model approach for the generation of massive low-level
events in virtual worlds where reiterative resources of potential interest for
stories emerge in a self-organized way. The results obtained after its evaluation
indicate that it allows the emergence of the target reiterative resources,
giving relevance to the spatio-temporal coherence of the events. However,
this methodology presents challenges such as the difficulty of designing candidate
agents, events and resources, or that these resources emerge in greater
or lesser quantity in the virtual world, negatively affecting the potential interest.
To solve this problem, the top-down methodology is proposed, based
on evolutionary algorithms that select combinations of interesting reiterative
resources, using a neural network to predict their potential quality. The
results obtained after its evaluation indicate that it allows optimizing combinations
of reiterative resources with contextual coherence, creativity and
a high degree of potential interest. This approach implies a greater effort
for the author/scriptwriter when interpreting these resources as narratable
facts and providing their spatio-temporal coherence at the level of world and
character states.
Both bottom-up and top-down approaches address the problem of story
generation in a complementary way, being good candidate tools for assisting
the author/scriptwriter of the virtual world, who will ultimately be responsible
for their use and adaptation to the non-player characters and their final
narrative or form.