Generación procedimental de contenido

El contenido es una parte importante del diseño de videojuego. Al ser tan costoso de producir, o más bien por la necesidad de ofrecer una gran cantidad de contenido de manera que la experiencia individual de cada jugador sea diferente, resulta interesante la generación procedimental de contenido (procedural generation o procgen).

Pseudocódigo

Se propone utilizar el pseudocódigo inspirado en Python cuya sintaxis define informalmente Ian Millington en su libro.

Para algunas estructuras que no se definan ahí, se puede usar el sentido común. Por ejemplo, una lista de listas de enteros se podría expresar con dobles corchetes así:

lista: int [][]

Generación de terreno

En el ruido de Perlin la expresión «octava» está tomada de la música donde una octava es una nota al doble de su frecuencia original, igual que las divisiones en cuadrículas que se hacen en este algoritmo.

Será importante estar atentos a los avances de los chatbots, que permiten generar escenarios 3D a partir de texto, como en estas iniciativas (Blockade Labs, Unakin, Spline, Opus, Luma Labs, Nvidia Omniverse…).

Unreal Engine es más potente para realizar generación procedimental que Unity (incluso Godot casi da más libertad). Aunque más avanzado incluso que lo que permite el armazón PCG de Unreal Engine, es Houdini, una herramienta muy potente para diseñar niveles con la ayuda del PCG. Igual que UE tiene un plugin para integrar Houdini, también lo tiene para integrar Blender: se llama Alter Mesh y trabaja con los Blender Geonodes si tienes Blender instalado. Es posible hacer conexión directa (live-link) entre Blender y UE.

Generación procedimental de videojuegos

Un caso particularmente interesante es el de la generación procedimental de videojuegos. Cada vez hay más propuestas en este sentido, algunas se enfocan en combinar partes y otras en intentar generar todo de golpe, muchas de ellas están recogidas en la tesis doctoral de Jorge Ruiz «Diseño y generación automática de videojuegos».

Mucha gente se ha lanzado a usar la IA generativa para tratar de generar videojuegos; por ejemplo en este hilo hay varios intentos de usar Grok 3 para generar juegos. La empresa Rosebud.ai es un ejemplo de las que están haciendo apuestas fuertes por crear una especie de «Roblox de la IA» para poder crear recursos y juegos de muchos géneros automáticamente.

Incluso las grandes productoras, como Ubisoft, admiten tener herramientas que les ayudan, por ejemplo, a hacer las primeras versiones de las conversaciones con NPCs.

Inteligencia artificial generativa

Los nuevos sistemas basados en grandes modelos de lenguaje (como GPT-4) se conocen como «IA generativa» y permiten entrenar redes neuronales con grandes cantidades de recursos para luego ser capaces de producirlos sin necesidad de replicarlos directamente. Se podría decir que son sistemas de generación procedimental de contenido, aunque ponen más énfasis en la cantidad de datos con los que se han entrenado que en el procedimiento de generación en sí.

Precisamente es para estos sistemas de «IA generativa» que se han creado leyes en Europa (y en España en particular) que obligan a etiquetar todo aquel contenido que se haya creado con estas técnicas.

Más información

Para complementar es recomendable consultar otros documentos.

• Cook, M.: Next Level: Making Games That Make (2026), hablando sobre juegos basados en ProcGen como Minecraft, Rogue, Elite, Caves of Qud…
• Epic Games: Unreal Engine 5.2 – Next-Gen Graphics Tech Demo | State of Unreal 2023. IGN (2023), una primera demostración de las nuevas herramientas de generación procedimental.
• Gonzalez Vivo, P. y Lowe, J.: The Book of Shaders (2015), donde se profundiza en el ruido de Perlin, los fractales, etc.
• Hemalatha M.: Poisson Disc Sampling. Medium (2019), para hacer distribuciones de objetos.
• Majo, A.: Alva Majo sobre la ética de usar inteligencia artificial. Alva Majo Clips. YouTube (2024), a favor del uso de la IA generativa en videojuegos.
• Nvidia: Deep Learning Super Sampling (2023); con la tecnología DLSS 3 en el renderizado es posible generar más fotogramas, con más resolución y píxeles adicionales para mejorar el resultado, todo gracias a técnicas de IA de aprendizaje profundo.
• Radoff, J.: Five Levels of Generative AI for Games. Medium (2023)
• Reshi, A.: Skyroads GPT 4. Hilo explicativo en Twitter (2023)
• SideFX: Houdini (2023)
• Sudhakaran, S.: MarioGPT: Open-Ended Text2Level Generation through Large Language Models. GitHub (2023)
• Sweigart, A.: The Recursive Book of Recursion, Chapter 11: Maze Generator (2022), con algoritmos en Javascript y Python
• Park, J.S., O’Brien, J.C., Cai, C.J., Morris, M.R., Liang, P., Bernstein, M.S.: Generative Agents: Interactive Simulacra of Human Behavior (2023), sobre 25 NPCs simulando vivir usando ChatGPT.