Procedurell generering är ett kraftigt verktyg för att kunna skapa en stor mängd spelvärldar utan att själv behöva manuellt designa spelplaner en och en. Med bra programmerade algoritmer kan man få tillgång till en nästan obegränsad mängd av unika spelvärldar med mycket mindre arbete. Vårt uppdrag är att skapa spellogiken och spelplansgenerering till ett spel som ska skickas in som bidrag till Swedish Game Awards[1], som är nordens största tävling för spelutveckling. Vi samarbetar med en annan grupp som ska göra Nätverk och Server-funktionalitet. Deras uppgift är att skapa en huvudserver-applikation, och ett klient/server-system där två spelare kan spela mot varandra med en av spelarna som agerar server. Slutgiltiga målet är att integrera de två olika projekteten till en slutgiltig produkt. Spelet vi tänker skapa är ett schack-baserat spel som utspelar sig i en 3D-miljö. De två spelarna kommer att ha en mängd olika enheter som de kan välja att köpa för sina pengar, kallade för credits i spelet. Spelarna använder sina enheter för att förstöra motspelarens enheter, och målet är att besegra motståndarens kung. Spelet pågår tills någon av spelarnas kungar är besegrad eller tills en av spelarna ger upp. / Procedural generation is a powerful tool for creating a large set of game worlds without having to design each one individually. With the proper implementation, this can allow an almost unlimited amount of unique game worlds using far less resource and time. Our task is to create the game logic and game map generation for a game that will be entered as a contestant in Swedish Game Awards, the biggest competition for game development in the Nordic Countries. We will be working in parallel with a separate group who will be implementing the networking side of the application, where the goal is to have a server where two players can play against each other from separate end systems. As the deadline for the competition approaches, we will then combine the two projects to a finished product. The game we are creating is a chess-influenced game that takes place in a 3D world. Two players will have access to different types of units that can be purchased by the in game resource known as credits, and the main objective is to defeat the enemy king. One game session continues until either of the two kings is defeated, or one of the players surrender.

Various research has shown the potential and robustness of deep learning-based approaches to synthesise novel motions of 3D characters in virtual environments, such as video games and films. The models are trained with the motion data that is bound to the respective character skeleton (rig). It inflicts a limitation on the scalability and the applicability of the models since they can only learn motions from one particular rig (domain) and produce motions in that domain only. Transfer learning techniques can be used to overcome this issue and allow the models to better adapt to other domains with limited data. This work presents a study of three transfer learning techniques for the proposed Objective-driven motion generation model (OMG), which is a model for procedurally generating animations conditioned on positional and rotational objectives. Three transfer learning approaches for achieving rig-agnostic encoding (RAE) are proposed and experimented with: Feature encoding (FE), Feature clustering (FC) and Feature selection (FS), to improve the learning of the model on new domains with limited data. All three approaches demonstrate significant improvement in both the performance and the visual quality of the generated animations, when compared to the vanilla performance. The empirical results indicate that the FE and the FC approaches yield better transferring quality than the FS approach. It is inconclusive which of them performs better, but the FE approach is more computationally efficient, which makes it the more favourable choice for real-time applications. / Många studier har visat potentialen och robustheten av djupinlärningbaserade modeller för syntetisering av nya rörelse för 3D karaktärer i virtuell miljö, som datorspel och filmer. Modellerna är tränade med rörelse data som är bunden till de respektive karaktärskeletten (rig). Det begränsar skalbarheten och tillämpningsmöjligheten av modellerna, eftersom de bara kan lära sig av data från en specifik rig (domän) och därmed bara kan generera animationer i den domänen. Kunskapsöverföringsteknik (transfer learning techniques) kan användas för att överkomma denna begränsning och underlättar anpassningen av modeller på nya domäner med begränsade data. I denna avhandling presenteras en studie av tre kunskapsöverföringsmetoder för den föreslagna måldriven animationgenereringsnätverk (OMG), som är ett neural nätverk-baserad modell för att procedurellt generera animationer baserade på positionsmål och rotationsmål. Tre metoder för att uppnå rig-agnostisk kodning är presenterade och experimenterade: Feature encoding (FE), Feature clustering (FC) and Feature selection (FS), för att förbättra modellens lärande på nya domäner med begränsade data. All tre metoderna visar signifikant förbättring på både prestandan och den visuella kvaliteten av de skapade animationerna, i jämförelse med den vanilla prestandan. De empiriska resultaten indikerar att både FE och FC metoderna ger bättre överföringskvalitet än FS metoden. Det går inte att avgöra vilken av de presterar bättre, men FE metoden är mer beräkningseffektiv, vilket är fördelaktigt för real-time applikationer.

Game development is a multifaceted field that involves both traditional software practices and creative work. It is characterized by its iterative and time-consuming process where prototypes are created and then evaluated. This is especially true for creating 3D environments, where it is difficult to evaluate the quality before it is completed. This means that time-consuming and repetitive tasks often have to be redone during the design process of a game. This is an experimental study to analyze the process of creating procedural generation tools for level artists by identifying key problems in their workflow and defining guidelines for how to work with or around them. This was done by interviewing designers to identify common problems in their workflow. This information was then used to create a prototype which was designed to solve some of the problems identified. A user study was then performed involving developers, mainly level artists. The user study assessed the usability of the tool, and whether or not it had the potential to solve any of the stated problems. The user study and the construction process were used to further analyze the key problems when creating PCG tools for designers and artists. In the end, four main problems were identified. The first is the importance of iteration and how any artist-oriented tool has to work with the iteration workflow. The second is that artists do not necessarily have the technical knowledge to intuitively understand a highly algorithmic tool. The third is that all PCG doesn’t have to create finished products, instead creating something almost right that can be manually adjusted can be enough to improve the workflow. The final key problem is that artist value control over their tools highly so it doesn’t impact their artistic vision negatively, so it is important to give them many options in how they can customize and control the tool. / Spelutveckling är ett mångfacetterat område som involverar både traditionell mjukvarupraxis och kreativt arbete. Det kännetecknas av sin iterativa och tidskrävande process där prototyper skapas och sedan utvärderas. Detta gäller särskilt för att skapa 3D-miljöer, där det är svårt att utvärdera kvalitén innan den är fullskapad. Detta innebär att tidskrävande och repetitiva uppgifter ofta måste göras om under designprocessen av ett spel. Detta är en experimentell studie med syftet att analysera processen att skapa procedurgenereringsverktyg för nivåkonstnärer genom att identifiera nyckelproblem i deras arbetsflöde och definiera riktlinjer för hur man arbetar med eller runt dem. Detta gjordes genom att intervjua designers för att identifiera vanliga problem i deras arbetsflöde. Denna information användes sedan för att skapa en prototyp som utformades för att lösa några av de identifierade problemen. En användarstudie genomfördes sedan med utvecklare, främst nivåkonstnärer. Användarstudien bedömde verktygets användbarhet och om det hade potential att lösa något av de angivna problemen eller inte. Användarstudien och byggprocessen användes för att ytterligare analysera nyckelproblemen när man skapade PCG-verktyg för designers och konstnärer. Till slut identifierades fyra huvudproblem. Den första är vikten av iteration och hur alla konstnärsorienterade verktyg måste fungera med iterationsarbetsflödet. Det andra är att konstnärer inte nödvändigtvis har den tekniska kunskapen för att intuitivt förstå ett mycket algoritmiskt verktyg. Det tredje är att alla PCG inte behöver skapa färdiga produkter, i stället kan det räcka att skapa något som är nästan rätt som kan justeras manuellt för att förbättra arbetsflödet. Det sista nyckelproblemet är att konstnärer värderar kontroll över sina verktyg högt så det inte påverkar deras konstnärliga vision negativt, så det är viktigt att ge dem många alternativ för hur de kan anpassa och kontrollera verktyget.