Система сочетает два мощных метода — генеративно-состязательные сети (GAN) и процедурную генерацию, что позволяет создавать разнообразные и детализированные игровые локации. Решение совместимо с популярными движками, такими как Unity и Pygame, что делает его удобным для интеграции в существующие проекты.
«Моя цель — избавить разработчиков от рутинной работы, — поясняет Екатерина Захарова, автор проекта, студентка Института кибербезопасности и цифровых технологий РТУ МИРЭА. — Алгоритм генерирует ландшафты, структуры уровней и даже обучается на пользовательских данных. Это дает свободу творчества без потери качества и времени».
Спрос на персонализированный игровой контент растет, но большинство существующих решений ограничены либо ручной настройкой, либо шаблонной процедурной генерацией. Разработка РТУ МИРЭА лишена этих недостатков: она не только создает уникальные уровни, но и позволяет настраивать параметры под конкретный проект.
«Сейчас большинство систем создают уровни либо вручную, либо по процедурно. Моя разработка объединяет два подхода: нейросеть (GAN) генерирует детали, а процедурная генерация собирает из них цельные уровни, — рассказывает Екатерина Захарова. — Это ускоряет процесс и улучшает качество контента. Главное преимущество — гибкость. Разработчики могут подключить систему к разным движкам, задать свои параметры и даже обучить ИИ на собственных изображениях».
На сегодняшний день аналогов, сочетающих гибкость, интеграцию с разными движками и машинное обучение, на рынке нет. Это открывает новые возможности для разработчиков игр и крупных студий. Технология уже получила грантовую поддержку в рамках Акселератора РТУ МИРЭА и привлекла внимание экспертов. Помимо игровой индустрии, ее можно применять в образовательных программах для обучения ИИ-алгоритмов.