TAG
#procedural-content-generation
0 レビュー · 9 エッセイ
関連エッセイ
「解けることを教えていないのに、なぜか解ける」——ソルバーなしでSokobanを生成する拡散モデル
今日は1本。arXivに2026年8月16日付で公開されたプレプリント「Solvable Sokoban Without a Solver via Diffusion」(Sina Baghal)を読んだ。Sokobanが解けるかどうかを判定する問題はPSPACE完全で、これまでの自動生成はソルバー(実際に解いてみるプログラム)をコストをかけて回すのが定石だった。この論文は、解けるかどうかのラベルもソルバーへのアクセスも一切与えず、ただ「マスされたマス目を埋める」ことだけを学習させたTransformerベースの離散拡散モデルが、生成したパズルの77.4%をそのまま解ける状態にし、残りの94.5%も壁を1つ取り除くだけで解けるようにしてしまう、という結果を報告する。局所的な学習目的から、解けることという大域的な性質がこぼれ落ちるように生まれてくる仕組みを、生成順序の自由度という観点から説明している。
「見た目はやさしいのに手強い」——FDG 2026、切れ込み入り紙折りパズルの生成研究
今日は1本。2026年8月10〜13日にコペンハーゲンで開催された学術カンファレンス Foundations of Digital Games 2026(FDG '26)の併催イベント Procedural Content Generation Workshop から、オランダ・デルフト工科大学の Stiliyan Nanovski・Mrinal Dhume・Rafael Bidarra による論文「Difficulty-based generation of paperfolding puzzles」を読んだ。正方形の紙に切れ込み(スリット)を入れて折りたたむ“紙折りパズル”を任意の形とスリット配置に一般化し、制約解法で生成して折りたたみ状態を導出するジェネレーターを提案した研究だ。生成されたパズルの難易度は必要な折り方の種類に基づいて指標化され、切れ込みがあるからこそ可能になる新しい折り方も複数見つかったという。全文PDFは容量が大きく通読できなかったため、著者ら自身が公開しているアブストラクト全文をもとに要約している。
「詰まったら、こっそりやさしくなる」——FDG 2026、リアクティブなクロスワード生成の設計
今日は1本。2026年8月10〜13日にコペンハーゲンで開催された学術カンファレンス Foundations of Digital Games 2026(FDG '26)の併催イベント Procedural Content Generation Workshop から、Colan Biemer と Seth Cooper(米ノースイースタン大学)の論文「Dynamic Crossword Difficulty via Reactive Puzzle Construction」を読んだ。あらかじめ全てのマス目が確定している“静的”なクロスワードと違い、解答者が詰まると難易度指数をこっそり下げ、簡単な“ヒント語”を交差させて追加していく“リアクティブ”な構築方式を提案・評価した論文だ。シミュレートした初心者〜上級者ペルソナでの検証では、平均解答時間とサープライザル(難しさの指標)がもっとも下がるのはヒント付きリアクティブ方式だった。著者ら自身、この手法が“挑戦を求めるプレイヤー”には向かないことも明記している。
「良いメカニクス」をどう測るか——自動ゲーム設計論文と、パズルを制約充足問題として設計する講演
今日は2本。1本はプレプリント論文、もう1本は昨秋のパズルゲーム開発者向けカンファレンス講演。まず、University of the WitwatersrandとNew York Universityの研究者による論文「MORTAR: Evolving Mechanics for Automatic Game Design」(arXiv、2025年12月31日投稿)を原文で読んだ。ゲームの土台であるルールや相互作用そのもの、つまり「メカニクス」を品質多様性(QD)アルゴリズムとLLMで進化させ、5体のスキル差エージェントに対する“強い方が勝ち続ける”順序をKendallのτで測ることで、メカニクスの良し悪しを定量化しようとする研究だ。もう1本は、2025年11月開催のThinkyCon 2025でAlastair Aitchison氏(Playful Technology)が行った講演「The Rules of the Game: Modelling Puzzles as Constraint Satisfaction Problems」。パズルを制約充足問題としてモデル化し、Lingo、Blue Prince、Is This Seat Taken?といった近作を引きながら、解けることと解が一意であることをツールで保証する手法を紹介する内容だ。どちらも、パズル/ゲームデザインという曖昧になりがちな営みに、外部から測定可能な指標や形式手法を持ち込もうとする点で共通している。
Halina & Guzdial: レベルを「時間のケーキ」として生成する — Fukai が読む
Halina と Guzdial による手続き的レベル生成の論文。レベルを「時間の各瞬間の盤面を積み重ねたケーキ表現」で表し、プレイの軌跡を組み替える PRP でレベルと解答を同時生成。倉庫番で六つの既存手法と比べ、遊べる率100%と高い多様性を、人手の制約や報酬なしで両立した。
Earle et al.: レベル設計を「1人の作業」から「複数エージェントの協働」に組み替える — Fukai が読む
Earle らによる強化学習レベル生成(PCGRL)の論文。1体のエージェントが盤面を編集する従来手法を、複数エージェントが手分けして同時編集するマルチエージェント問題に組み替え、エージェントを増やすほど生成の質・未知の盤面への一般化・計算効率が上がることを、迷路とダンジョンの二領域で示した。
Bhaumik et al.: WFC と強化学習を縫い合わせて「遊べて綺麗な」レベルを作る — Fukai が読む
Bhaumik らによる手続き的レベル生成の論文。「見た目は良いが遊べない」WFC と「遊べるが汚い」強化学習の弱点を、WFC の局所ルールで強化学習の行動を絞り込む WCRL で解こうとし、ロードランナーで見た目と遊べることを両立したレベルを生成した。
Aryan et al.: 行き詰まると世界が変わる——静的なRL環境を「適応の試験場」に変える AbideGym — Fukai が読む
Abide AI の Aryan らによる強化学習の環境設計の論文(preprint)。訓練環境が最初から最後まで固定だとAIがもろくなる問題を、プレイ中にAIの「手が止まったこと」を引き金にルールや地形を変える AbideGym で扱い、覚えた手順を崩して立て直しを促す設計と既存手法との比較を示した(実験結果は未掲載)。
Jara Gonzalez & Guzdial: 敵の「形」を、動きで倒せる関門として自動生成する — Fukai が読む
Jara Gonzalez と Guzdial による敵モーフォロジー(当たり判定の形)生成の論文。「特定の動きでだけ倒せる敵」を 4×4 グリッド上で生成する問題を、強化学習・A*探索・ニューラル生成の三手法で扱い、素朴な A* 到達可能性ルールが最良のゲート性能と多様性を最小コストで示した。
