Details

Предметом данной работы являются игровые задания. Цель работы - это проектирование и разработка модуля взаимодействия пользователя с игровыми агентами посредством уникальных заданий. В основе используемого метода генерации заданий лежат нейронные сети. Программный модуль будет получать от игрового приложения контекст и цель игрового задания и выдавать на этой основе художественное описание, которое будет показано игроку. Модуль также призван облегчить процесс обучения модели. Актуальность темы связана с высокой необходимостью автоматической генерации описаний игровых заданий, в особенности для игр жанра rogue-like. В результате работы был проведен анализ аналогов по теме генерации игровых заданий, по итогам которого было принято решение об использовании архитектуры Transformer. Было произведено проектирование модуля с построением диаграм вариантов использования, классов, последовательностей. Также было проведено описание входных данных. На этой основе был разработан модуль на языке Python с использованием библиотеки Keras, позволяющий создавать нейросетевую модель, обучать ее, сохранять и загружать ее из памяти. Модель, получая на вход контекст, выдает художественное описание для задания. Проведено модульное и функциональное тестирование, а также апробация разработанного модуля. Областью применения модуля, разработанного в результате ВКР является создание сторонних заданий в играх, имеющих наработанную сюжетную основу. Из результатов работы можно сделать вывод, что поставленная цель выполнена, разработанный модуль можно использовать в реальных проектах, а его дальнейшая доработка позволит строить полноценные игры вокруг сгенерированных заданий.

The subject of this work is game tasks. The goal of the work is to design and develop a module for user interaction with game agents through unique tasks. The method used for task generation is based on neural networks. The software module will receive the context and goal of the game task from the game application and produce a narrative description to be shown to the player. The module is also designed to facilitate the model training process. The relevance of the topic is connected to the high demand for automatic generation of game task descriptions, especially for rogue-like games. As a result of the work, an analysis of analogs on the topic of game task generation was conducted, leading to the decision to use the Transformer architecture. The module was designed with the construction of use case diagrams, class diagrams, and sequence diagrams. Input data descriptions were also provided. Based on this, a module was developed in Python using the Keras library, enabling the creation, training, saving, and loading of a neural network model. The model, when given the context, generates a narrative description for the task. Unit and functional testing, as well as the modules approbation, were conducted. The application area of the developed module is the creation of side tasks in games with a developed narrative foundation. From the results of the work, we can make a conclusion that the set goal was achieved, the developed module can be used in real projects, and further refinement will allow building games fully around the generated tasks.