Unity中2D游戏关卡设计基础训练视频教程 Unity 5 2D Level Design
Unity中2D游戏关卡设计基础训练视频教程.jpg (47.78 KB, 下载次数: 9)
15:22 上传
本视频教程是由Lynda机构出品的Unity中2D游戏关卡设计基础训练视频教程，时长：2小时9分，大小：1 GB，MP4高清视频格式，教程使用软件：Unity 5，附工程源文件，作者：Michael House，共27个章节，语言：英语。
Unity是由Unity Technologies开发的一个让玩家轻松创建诸如三维视频游戏、建筑可视化、实时三维动画等类型互动内容的多平台的综合型游戏开发工具，是一个全面整合的专业游戏引擎。Unity类似于Director,Blender game engine, Virtools 或 Torque Game Builder等利用交互的图型化开发环境为首要方式的软件其编辑器运行在Windows 和Mac OS X下，可发布游戏至Windows、Mac、Wii、iPhone、Windows phone 8和Android平台。也可以利用Unity web player插件发布网页游戏，支持Mac和Windows的网页浏览。它的网页播放器也被Mac widgets所支持。
Unity3D是一个让你轻松创作的多平台的游戏开发工具，是一个全面整合的专业游戏引擎，从一开始就被设计成易于使用的产品。作为一个完全集成的专业级应用，Unity还包含了价值数百万美元的功能强大的游戏引擎。Unity 作为一个游戏开发工具，它的设计主旨就是让你能够创建令人惊讶的游戏。如果你之前尝试过Unity，请查看Unity 3都做了哪些更新。如果你是第一次尝试，那就好好看看吧，看Unity都能为你带来什么。Unity作为一种开发环境，可让你脱离传统的游戏开发方式，以一种更简单的方式专注于你的游戏开发。开发网络游戏、移动游戏、单机游戏，Unity都能完全胜任。
琳达(Lynda) 是全球最知名的在线教育机构，每年可以吸引到4500万独立访客，让它成为教育界的长青网站。这家在线视频教学网站，提供了数以千计的现在最流行的软件技术视频教程。有大约1百万人都愿意支付每月25美元的使用费来访问它，它已经成为一个网上帝国。它的创始人琳达·温曼（LyndaWeinman）认为，她的教程在网民中大受欢迎的程度会鞭策那些认为网络只是让人变笨变懒的人。根据该公司的报告，Lynda 现在每年可以吸引到4500万独立访客，大部份的独立订户会订阅内容1至3年。公司现在雇有200名全职员工，风险投资人还不停地要扔钱过来，但温曼说，她比较喜欢看到公司自然平稳地增长并通过口碑营销打开市场。网站上的教育录像质量很高，课程划分细致，学习的人可以根据自己的目标随时切换内容。
更多相关内容请关注：，
Lynda Unity 5 2D Level Design
Learn the basics of level design in Unity 5 2D. Exciting, engaging level designs are what make for great gameplay. This course focuses on designing levels that challenge your players by including puzzles, monsters, player flow, and balancing. Jesse Freeman shows how to build a basic level with multiple layers, and trick it out with doors and push blocks, switches, time limits, and enemies. You’ll learn techniques to challenge the players and move them through the level in an organic way, and build tools that help you further your design. Use the exercise files included with the course to continue to build the game and make it your own.
001 Welcome.mp4_928.031.jpg (120.58 KB, 下载次数: 8)
15:23 上传
001 Welcome.mp4_931.494.jpg (98.89 KB, 下载次数: 8)
15:23 上传
001 Welcome.mp4_940.207.jpg (125.27 KB, 下载次数: 8)
15:23 上传
001 Welcome.mp4_943.708.jpg (120.52 KB, 下载次数: 9)
15:23 上传
001 Welcome.mp4_949.154.jpg (141.82 KB, 下载次数: 8)
15:23 上传
001 Welcome.mp4_952.558.jpg (102.64 KB, 下载次数: 8)
15:23 上传
001 Welcome.mp4_000.810.jpg (117.07 KB, 下载次数: 8)
15:23 上传
游客，您需要才可以查看或下载该资源！没有账号？
更多相关内容请关注：，
人人素材本内容地址：
回帖奖励 +1 枚CG币
回帖奖励 +1 枚CG币
很好的素材，学习了
回帖奖励 +1 枚CG币
很好的素材，谢谢分享！
回帖奖励 +1 枚CG币
很好的素材谢谢分享
回帖奖励 +1 枚CG币
每天上人人，赚币学习两不误！
回帖奖励 +1 枚CG币
谢谢发布如此精彩的CG资源
回帖奖励 +1 枚CG币
很不错的二维关卡设计UNITY教程，谢谢楼主分享
回帖奖励 +1 枚CG币
谢谢发布如此精彩的CG资源
回帖奖励 +1 枚CG币
周一至周日9:00-18:00
扫描二维码关注我们
Powered by利用视频游戏语料库，训练一个GAN模型为超级马里奥兄弟生成游戏级别
PCG && 程序内容生成，通过算法创建游戏内容，例如游戏规则，关卡，角色，背景故事，纹理和声音。近年来国际会议组织了各种比赛，例如马里奥级别生成比赛，Platformer AI比赛，AI鸟类等级生成比赛和一般视频游戏AI（GVGAI）等级生成比赛 。今天为大家介绍一项关于 PCGML 的最新研究（PCG 通过的例子），这篇论文也被 GECCO 2018&提名为 Best Paper Award ，这也是一个新兴的研究领域。
研究中以无监督学习方式训练生成对抗网络（近期关于无监督学习与GAN的内容我们也给大家介绍了不少），模型根据视频游戏级语料库中的实际游戏级别进行训练。并引入了隐变量进化（LVE）的概念；为了在这个潜在空间内找到最佳水平段，进化算法协方差矩阵自适应进化策略（CMA-ES）用于找到产生水平段的潜在向量，由此产生的系统有助于发现人类专家创建的示例空间中的新级别。
生成性对抗网络(GAN)&是能够在给定的训练样本空间内生成新的样本输出的一种机器学习方法。视频游戏中的程序内容生成(PCG)&可以从这种模型中受益，特别是对于那些预先存有语料信息的游戏。本文，我们利用视频游戏语料库，训练一个GAN&模型为超级马里奥兄弟生成游戏级别(Super Mario Bros)。
我们的方法不仅能够成功地生成与原始视频语料库中级别相当的各种游戏，还能通过应用协方差矩阵自适应进化策略(CMA-ES)&进一步改进游戏级别。具体地说，我们使用各种适应度函数(fitness funcon)&来探索GAN&模型潜在空间水平，以最大化期望属性，而诸如tile&类型分布的静态属性都能够被进一步优化。此外，我们使用2009版Mario AI比赛的冠军A*&智能体，用于评估游戏级别的可玩性，以及需要多少跳跃动作来击败它。这些适应度函数允许模型在专家设计的样本空间中探索各种游戏级别，并指导进化朝着满足一个或多个指定目标水平的方向。
我们的方法分为两个主要阶段，如下图1所示。
图1 GAN&训练流程及隐向量进化概述。我们的方法可以分为两个截然的阶段。在第一阶段中，GAN&以无监督学习的方式进行训练并生成马里奥游戏水平。在第二阶段，我们搜索潜在向量空间产生具有特定属性的游戏级别。
首先，GAN&在现有的Mario&级别上进行训练(下图2所示)。该级别将被编码为多维数组，并在***框中描绘。模型中生成器(用绿色表示)&输入的是高斯噪声向量(用红色表示)，并以相同表征水平输出。而判别器用于区分现有级别和生成级别之间的差异性。我们使用对抗性学习的原则来训练生成器和判别器。
图2&训练水平。通过水平从左向右滑动一个28&14&窗口生成训练数据。
一旦训练过程完成，生成器网络可以被视为是我们学习到的genotype-to-phenotype&映射，它能够将潜在的实数向量(用蓝色表示)&作为输入(我们的论文实验中将其大小设置为32)，并产生一个tile-level&的马里奥游戏级别。相比于简单地绘制来自潜在空间的独立随机样本，我们在进化控制策略下(在这种情况下使用CMA-ES)&进行探索。换句话说，我们在隐向量空间搜索并产生想要的不同属性的游戏级别，如tile&分布，难度等。
协方差矩阵自适应进化策略(CMA-ES)&是一种功能强大而又广泛使用的进化算法，特别适合于实数向量的进化过程。CMA-ES&是一种二阶方法，通过有限差异法不断迭代估计协方差矩阵。它无需依赖一个光滑的自适应先验，而能够有效地处理连续域中非线性、非凸问题的优化。我们采用CMA-ES&策略来进化潜在向量，并生成的游戏级别上应用几种自适应度函数。所使用的自适应函数是基于生成的游戏级别的静态属性，或使用人工智能体进行游戏模拟结果。
游戏级别表征
在视频游戏中，马里奥游戏级别有不同的表征Level Corpus (VGLC)&和Mario AI&框架，这两种都是基于tile的表征形式。具体地说，以VGLC&表征的马里奥级别使用特定的字符符号来表示每个可能的tile&类型。然而，应该注意的是这个VGLC&表征主要是关注tile&的功能特性而不是其艺术属性，因此无法区分视觉上某些特定的tile&类型。此外，通过仅提供的单个字符符号来表示不同的敌人类型，VGLC&编码忽略了不同敌人之间的功能差异，因此我们可以选择将其映射到通用的Goomba&敌人类型上。
为了对训练的水平进行编码，我们用不同的整数来表示每种tile&类型，它在输入到判别器前被进一步转换为一个独热编码(one-hot)。此外，生成器网络同样用独one-hot&编码形式输出再将其转换回整数值。基于整数格式的级别随后将被发送到用于渲染的Mario AI&框架。Mario AI&框架允许其tile&类型产生更广泛的艺术多样性，但由于其VGLC&编码的简单性，只有小部分子集的Mario AI tile&是可用的。从VGLC tile&类型和符号，到GAN&的训练数字编码再到最后Mario AI tile&的整个可视化流程如下表1所示。
表1生成的Mario&游戏级别所使用的tile&类型。符号字符是来自VGLC&编码，然后数字标识被映射到相应的值并用于生成可视化的Mario AI&框架。在GAN&训练期间，该数字标识值将被扩展为独热向量(one-hot)&输入到判别器网络。
我们采用深度卷积生成对抗网络DCGAN&结构，并使用WGAN&算法进行训练，模型的结构示意图如下图3所示。遵循原始的DCGAN&架构，判别器网络中采用跨步长卷积(strided convolutions)，而生成器中采用小步长卷积(fractional-strided convolutions)，在生成器和判别器的每层后都接上batchnorm&以正则化。此外，在生成器中每一层我们都使用ReLU&激活函数(包括输出层，原始结构中输出层采用Tanh&激活函数)，我们发现这能带更好的结果表现。而判别器中每一层我们采用LeakyReLU&激活函数。
图3&训练Mario&游戏的DCGAN&模型结构
为验证我们的方法，在实验部分我们通过两组不同实验分别进行基于表征测试(representation-based sting)&和基于代理测试(agent-based testing)。实验结果如下。
基于表征测试(representation-based testing)
下图4显示了该方法优化的ground tile&百分比与特定目标分布的接近程度。结果表明，每次运行中我们几乎都可以非常接近目标的百分比。
图4&优化不同百分比的ground tiles。运行20次后将平均每次的结果并产生一个标准差。除去20%的地面外，该方法总能够发现用于生成ground tiles&所需目标百分比的潜在编码。
此外，图5显示了逐级递增的游戏水平难度：其中第1和第2部分的地面覆盖率达100％，第3-5部分的地面覆盖率达70％，而第4、5节中我们还同时最大化敌人的总数n。实验结果表明我们的方法能够同时优化地面分配以及敌人的数量。
图5逐级递增的游戏难度。我们的LVE&方法能够创建含多个组成部分的游戏级别，这些级别的难度逐渐增加(即越来越少的地砖伴随着越来越多的敌人)。将来，这种方法可以用来创建一个实时的水平，以适应玩家的特殊技能(动态难度适应)。
基于代理测试(agent-based testing)
图6显示了自适应函数F1&和F2&的一些最佳和最差结果。我们可以看到，CMA-ES&策略确实可以发现一些不可玩的等级(如图6c所示)。自适应函数F1&的最佳效果(即具有大量所需跳跃操作的可玩级别)&如下图6a&和6d&所示。而图6b描述是自适应函数F2&所产生的最佳结果(即只需少量跳跃操作的可玩级别)。该级别只需要跳跃一次就能很容易地解决敌人。
图6&基于代理的优化示例。a&和b显示了F1&自适应函数下最大化跳跃次数的例子，此时最小化F2&函数。c显示了一个最差的结果，即在F1&自适应函数下不可玩的游戏级别例子。在d&中显示了高适应性的结果(即F1&下最大化跳跃步数)，但同时破坏了标题的例子。
本文提出了一种新的隐变量进化方法，它能够以无监督学习的方式，在现有的Mario&游戏水平上，进化并产生新的Mario&游戏级别。我们的方法不仅能够优化不同分布水平，并将tile&类型结合起来，还可以使用基于代理的评估函数来优化游戏级别。虽然我们的GAN&模型通常能够捕捉到高水平的训练结构，但有时也会产生破碎的结构。将来的工作我们可以通过采用更适合视频游戏离散表征的GAN&模型来优化这个问题，我们希望LVE&能够作为一种很有前景的快速生成方法，扩展到各种视频游戏以及其他类型的游戏。
原文标题：AI为超级马里奥兄弟创造了游戏新级别----GECCO 2018最佳论文提名
文章出处：【微信号：AI_Thinker，微信公众号：人工智能头条】欢迎添加关注！文章转载请注明出处。
发布评论请先
吃饭的时候会见到很多奇怪的菜名，很多店常常会取一些奇怪的名字来吸引眼球，吃饭的时候基本靠猜，或者……....
现在，AI技术火了，真的火了。科技企业，无论哪场新品发布会、哪个研讨论坛、哪个技术的巡展，不拿出点A....
一旦一个多项式可以写成平方和形式，我们就可以确定它是非负的，因为任何数的平方都大于等于0，而非负数相....
IC Insights的日前发布了其年中报告,根据预测，DRAM将会和去年一样，独占所有IC类别的鳌....
DARPA 的这款工具主要是基于纽约州立大学奥尔巴尼分校教授Siwei Lyu和他的学生 Yuezu....
然而，在基于梯度的学习框架（如深度学习）中存在一个关键的缺点：因为选择要处理的信息的过程是离散化的，....
在笔记 1 和 2 里笔者使用 numpy 手动搭建了感知机单元与一个单隐层的神经网络，理解....
宽禁带功率半导体的研发与应用日益受到重视，其中碳化硅（SiC）和氮化镓（GaN）以高效的光电转化能力....
上面的表给出了各种典型的机器学习算法所用到的数学知识点。我们之前已经总结过，理解绝大多数算法和理论，....
物联网把所有的设备都连上网，所有设备都变成信息的接收端和发送端，所有的设备不可能和手机、PC一样都带....
Andrew以Speech Recognition的场景为例，比较了pipeline和end-to-....
AI系统生成的图像显示，它是基于显示在MRI扫描影像中的软骨的细微变化（人类医生没能注意到它们）来做....
“拯救我们的地球，让地球远离污染！”这是世界各地的科学家和有识之士对降低温室气体排放的一致呼声。由石化燃料引擎驱动的汽车...
在日前于美国旧金山举行的Google Cloud Next大会上，Google针对基于其TPU设计的....
协作机器人市场正处于跑马圈地的时刻，下一个十年将迅猛增长成为100亿美元市场。
TensorFlow.js 将机器学习引入 JavaScript 和 Web。 我们将利用这个很棒的....
去年11月，谷歌云机器学习与人工智能首席科学家李飞飞在上海宣布了一个大消息：谷歌将在中国组建AI中心....
这么海量的数据，给存储和分析带来了极大难题。幸运的是，粒子物理学家不必自己处理所有这些数据。他们与一....
近年来，研究人员开始由上述提取式生成转向抽象概括，这种技术使用神经语言模型来动态生成文本，缺点是模型....
全新Switchtec PCIe交换机为机器学习、数据中心服务器和存储市场提供16 GT/s PCI....
近日，特斯拉CEO埃隆?马斯克称公司正在开发机器学习的智能芯片，计划为旗下车辆新增一项人工智能功能。....
企业纷纷赶上数字转型浪潮，运用物联网(IoT)来节省成本和提升效率，但赛门铁克(Symantec)亚....
正如美国宇航局和俄罗斯航天署专家所说，在太空进行长时间的飞行，需要建立完全自主的生命支持系统。植物和....
位于硅谷的非营利组织OpenAI的研究人员开发的AI系统Dactyl能使机器手像人类一样灵活操纵立方....
在机器学习上，首先要推荐的是两部国内作者的著作：李航博士所著的《统计学习方法》和周志华教授的《机器学....
5G的角逐似乎正在不断加速，尤其是在美国，AT&T和Verizon等主要电信运营商宣布将在2018年....
很多人说深度学习就是个黑箱子，把图像预处理之后丢进 tensorflow 就能出来预测结果，....
黑帽大会简报（Briefings）将主要关注区块链基础设施和加密货币钱包研究。这些领域应该会是这次大....
银行传统的IT基础架构框架是一维的，即业务功能以线性方式实现，这种架构常常导致跨渠道客户体验不一致，....
经过大量实践检验，已被证明安全可靠的硅MOSFET已经成为电源电路设计的中流砥柱，但随着基于氮化镓的....
在没有首先自己推导出梯度的情况下，这行代码的意义可能没有那么显而易见。在我们的代码中，对于满足条件的....
对于3.3以上的版本，每个追踪器可以用各自的函数创造，如cv2. TrackerKCF_create....
数学和代码在机器学习研究中通常是高度混合的。大多数情况下，代码都是直接从数学逻辑中形成，并且能用代码....
一个机缘巧合，Daskalakis听了理论计算机科学家Christos Papadimitriou的....
氮化镓(GaN) 功率放大器(PA) 设计是当前的热门话题。出于多种原因，GaN HEMT 器件已成为满足大多数新型微波功率放大器...
梯度下降法实现简单，当目标函数是凸函数时，梯度下降法的解是全局解。一般情况下，其解不保证是全局最优解....
综述，机器学习的自学简单来说分为三个步骤
前期：知识储备包括数学知识，机器学习经典算法知识，编程技....
要研究受试者的性格，传统的方法只有通过一系列的性格测试问卷才能得到，并且还包含了很大程度上的主观判断....
其实机器学习涵盖的知识面非常多，而且不仅要学习理论还有实践同样不能忽视。如果基础薄弱，学习起来肯定是....
机器学习使计算机能够处理迄今为止仅由人执行的任务。从驾驶汽车到翻译语言，机器学习正在推动人工智能爆炸....
机密文件显示，谷歌的中国版搜索 APP 会自动识别和过滤那些被墙的网站。具体来说，当用户使用中国版的....
我们将创建的SVD++模型（奇异值***逼近）和Simon Funk的博客文章Netflix Upda....
在一家国际电信公司，各种帕雷托分析法----描述性的、预测性的以及规范性的----都被用于预测、阻止和最大化....
人工智能的出现，有望改变“纸片人”与“N维”之间的矛盾。
人工智能的主流技术的发展大致经历了三个重要的历程。
今天的互联网企业发展也是一样，数据作为技术的最大动能，被各个企业割据掌握。而如果这些数据可以聚集起来....
随着人工智能(AI)、机器学习等需要超快速内存的新应用需求导致GDDR内存供应短缺，GDDR制造商如....
任何同Siri或Alexa有过令人沮丧的互动体验的人都知道，数字助理无法同人类媲美。
有研究分析显示：目前中国AI开发者正在接受从封闭的单机系统转向快捷灵活的开源框架的新一代AI技术演进....
研究算法偏差的研究人员表示，有很多方法可以定义公平，但这些方法有时相互矛盾。想象一下，在刑事司法系统....
麻省理工学院媒体实验室(MIT Media Lab)的研究人员开发了一种机器学习模型，它使计算机更接....
为了充分利用大规模集群算力以达到提升训练速度的目的，人们不断的提升batch size大小，这是因为....
书山有路勤为径，在学习进修的道路上，正确的路径比埋头勤奋要重要的多。
最近两年AI在线学习和教育呈喷涌式发展，机器学...
在python的培训学习中，我们会用python进行数据分析的学习与应用，并且在这一部分进行绘图是必不可少的，所以为了看一下大家的实...
越来越多的小伙伴开始对AI基础知识感兴趣，为了让小伙伴们更好地了解和学习，讯飞开放平台就人工智能核心领域之一----集成学...
天才就是当世上所有人都觉得他疯了的时候，他依然清晰地知道自己不是真的疯了，而是比旁人看的更长远。
----致敬为科学一...
移动时代给我们带来了巨大的社会效益----从实现人与人以及人与社区之间的广泛联接到可以随时随地了解更丰富的信息，但是同样会产...
在运行时候出现这个错误是为什么？？有相关的例子可以参考下吗？
我想用labview做一个数据采集上位机，下位机采集来的数据通过串口传到上位机，之后把数据输入机器学习模型中进行分类。听说可以用...
摘要： 计算的价值绝不止计算本身，而是让本不会说话的数据发声。 从玛雅历法到圆周率，从万有引力定律到二进制，从固化的物体到...
供应链服务
版权所有 (C) 深圳华强聚丰电子科技有限公司
电信与信息服务业务经营许可证：粤B2-