Einstieg in die prozedurale Inhaltserstellung für Architekturszenen mit Unreal Engine PCG

Was erfahren Sie in diesem Leitfaden?

Das Procedural Content Generation (PCG)-Framework von Unreal Engine ist ein Toolset, mit dem sich Szeneninhalte regelbasiert erzeugen und iterativ weiterentwickeln lassen. Epic Games beschreibt mögliche Einsatzbereiche von Assets wie Gebäuden und Biomen bis hin zu ganzen virtuellen Welten. In der Architekturvisualisierung kann dieser Ansatz einen hilfreichen Ausgangspunkt bieten, um wiederkehrende Umgebungselemente, Platzierungslogik und unterschiedliche Designvarianten zu untersuchen.

Dieser Leitfaden beschreibt weder einen konkreten Node-Graphen noch Menüpfade in der Benutzeroberfläche. Die Quelldokumentation erläutert den allgemeinen Zweck von PCG und einige Operationen mit räumlichen Daten, enthält aber keine vollständige Schritt-für-Schritt-Anleitung zum Aufbau eines beispielhaften Architektur-Graphen. Daher konzentriert sich der folgende Leitfaden auf einen sicheren Einstieg, bei dem Daten und Regeln geplant werden.

Voraussetzungen und Versionshinweise

Grundvoraussetzung ist ein Unreal-Engine-Projekt, in dem Sie mit dem PCG-Framework arbeiten können. Epics PCG-Übersicht stellt das Framework innerhalb von Unreal Engine vor. In den Versionshinweisen zu Unreal Engine 5.2 wird PCG als Tool zur prozeduralen Inhaltserstellung erwähnt, während die Python-API-Dokumentation für Unreal Engine 5.3 die Klasse PCGSpatialData als „Experimental“ kennzeichnet. Schritte, die auf der Python-API beruhen, sind daher als Informationen zu einer experimentellen Schnittstelle in der 5.3-Dokumentation zu verstehen. Es sollte nicht angenommen werden, dass dasselbe Verhalten oder dieselbe Schnittstelle auch in anderen Versionen verfügbar ist.

Die Quellen enthalten keine Angaben zu Kontoanforderungen, Lizenzkosten, bestimmter Computerhardware oder detaillierten Installationsschritten. Prüfen Sie vor Projektbeginn die Dokumentation der verwendeten Unreal-Engine-Version und stellen Sie sicher, dass sich die gewünschten Vorgänge in dieser Version nachvollziehen lassen. Dieser Leitfaden ist keine vollständige Installationsanleitung für eine bestimmte Version.

Schrittweises Vorgehen

1. Legen Sie fest, was sich wiederholt. Definieren Sie zunächst das Problem, das in der Szene mithilfe prozeduraler Generierung gelöst werden soll. Denkbar sind beispielsweise wiederkehrende Elemente in der Umgebung oder unterschiedliche Platzierungsvarianten. In Epics Beschreibung von PCG werden die Erzeugung von Gebäuden und Biomen als mögliche Anwendungsbereiche genannt. Welche architektonischen Assets automatisch erzeugt werden sollen, muss jedoch das Projektteam entscheiden. Wenn Sie den ersten Test auf einen kleinen, leicht überprüfbaren Szenenbereich beschränken, lässt sich die Wirkung der Regeln besser nachvollziehen.

2. Beschreiben Sie die Eingabedaten räumlich. Ein grundlegendes Konzept in PCG ist die Klasse PCGSpatialData. Laut der Python-Dokumentation für Unreal Engine 5.3 bildet diese Klasse die Basis für Datenklassen, die räumliche Daten wie Punkte, Oberflächen und Splines repräsentieren. Wenn Sie Daten als Punkte, Oberflächen oder andere räumliche Formen betrachten, wird klarer, worauf die Generierungsregel beruhen soll. Nehmen Sie in dieser Phase keine in den Quellen nicht genannten Standards für Maße, Geometrie oder Projektkoordinaten an.

3. Prüfen Sie Bereichsgrenzen und Dichte. Die dokumentierte API kann mit get_bounds() die Grenzen aller Daten und mit get_strict_bounds() die Grenzen zurückgeben, in denen die Dichte immer 1 beträgt. get_density_at_position() berechnet die Dichte an einer bestimmten Position. Diese Konzepte helfen dabei zu verstehen, wo ein Generierungsbereich wirksam ist. Gehen Sie nicht davon aus, dass sich daraus eine bestimmte Platzierung ergibt, bevor Sie getestet haben, wie Grenzen und Dichte in Ihrer Szene zustande kommen.

4. Planen Sie die räumlichen Beziehungen zwischen den Daten. In der API-Dokumentation sind intersect_with() für Schnittmengen, subtract() für Subtraktion und union_with() für Vereinigungen aufgeführt. project_on() dient dazu, Daten auf andere Daten gleicher oder höherer Dimension zu projizieren; schlägt der Vorgang fehl, kann eine Kopie der vorhandenen Daten zurückgegeben werden. Prüfen Sie diese Operationen anhand konkreter Fragen für die Architekturszene, etwa wie Bereiche zusammengeführt oder eingeschränkt werden sollen. Die Dokumentation gibt nicht vor, in welcher Reihenfolge diese Operationen in einem bestimmten Gebäudegenerierungs-Graphen eingesetzt werden müssen. Die Reihenfolge sollte anhand der Testergebnisse festgelegt werden.

5. Überprüfen Sie die Umwandlung in Punktdaten. PCGSpatialData lässt sich mit to_point_data_with_context() in Punktdaten umwandeln. In derselben Dokumentation ist to_point_data() als veraltet gekennzeichnet; dort wird darauf hingewiesen, dass die neue Funktion mit Kontext bevorzugt werden sollte. Diese Unterscheidung ist insbesondere für alle wichtig, die sich an der Python-API-Dokumentation für 5.3 orientieren. Prüfen Sie nach der Umwandlung die Positionen der erzeugten Punkte in der Szene und ob sie innerhalb des erwarteten Bereichs liegen. Die Quellen enthalten keinen beispielhaften Validierungs-Graphen, der für jedes Projekt verwendet werden kann.

6. Prüfen Sie Attribute und Sampling. sample_point() kann bei einer Überlappung mit Position, Grenzen und anderen Daten Transformation, Skalierung und weitere Attribute sampeln. project_point() kann einen Abfragepunkt auf die Daten projizieren und Informationen zum Sample-Punkt und zu Attributen bereitstellen. Für Datenvererbung und Attributübertragung sind außerdem die Parameter von initialize_from_data() dokumentiert. Dass diese Funktionen vorhanden sind, bedeutet nicht automatisch, dass die Ergebnisse dem Designziel entsprechen: Prüfen Sie, ob Attribute in der Szene wie erwartet übertragen werden und Transformationen an den richtigen Positionen angewendet werden.

7. Gehen Sie von kleinen Tests zur iterativen Weiterentwicklung über. Das PCG-Framework ist darauf ausgelegt, eine schnelle und iterative Entwicklung von Tools zu unterstützen. Beginnen Sie daher mit einem begrenzten Bereich und wenigen Datenbeziehungen. Erweitern Sie die Regeln erst, nachdem Sie das Ergebnis geprüft haben. Epics Dokumentation führt außerdem separate Themen wie den PCG-Editor-Modus, Shape Grammars, GPU-Verarbeitung, Biome und das Debugging der Laufzeitgenerierung auf. Diese Themen können behandelt werden, sobald die grundlegende Einrichtung verstanden ist. Daraus folgt nicht, dass jedes davon für ein Projekt erforderlich ist.

Häufige Fehler und wichtige Hinweise

Ein häufiger Fehler besteht darin, eine allgemeine Beschreibung von PCG für eine vollständige Anleitung zum Aufbau eines bestimmten Generierungs-Graphen zu halten. Die Quellen beschreiben den Funktionsumfang und API-Funktionen, garantieren aber weder eine fertige Node-Reihenfolge für eine Architekturszene noch ein bestimmtes Ergebnis. Überprüfen Sie daher jede räumliche Operation mit kleinen Tests.

Ein weiterer wichtiger Punkt ist die Version. Die Python-API-Dokumentation für 5.3 ist als experimentell gekennzeichnet; to_point_data() ist als veraltet markiert. Außerdem behandeln die Versionshinweise zu 5.2 und 5.3 zahlreiche Funktionen von Unreal Engine, die nicht zu PCG gehören. Interpretieren Sie diese Funktionen nicht als zwingende Voraussetzungen für PCG.

Schließlich enthalten die Quellen keine speziellen Hardwareempfehlungen oder Kostenangaben zu PCG. Ein eigener Dokumentationsabschnitt zur GPU-Verarbeitung bedeutet nicht, dass jeder PCG-Workflow eine GPU benötigt. Hardware-, Performance- und Lizenzentscheidungen sollten vom Projektteam anhand von Tests mit der eigenen Version und Arbeitslast getroffen werden.

Bedeutung für Architektur-, Innenarchitektur- und Archviz-Workflows

PCG kann für Architektur- und Visualisierungsteams interessant sein, die Inhaltsvarianten nach derselben Logik untersuchen oder die Erzeugung wiederkehrender Elemente regelbasiert angehen möchten. Wer insbesondere Designvarianten iterativ bewerten möchte, kann zunächst an einem kleinen Szenenausschnitt beobachten, wie sich räumliche Daten verhalten. Die Quellen enthalten jedoch keine Informationen zur Kompatibilität mit bestimmten Archviz-Programmen, zu fertigen Gebäudetools, Exportformaten oder Performance-Ergebnissen. Prüfen Sie vor dem Einsatz in einem realen Projekt zusätzlich die verwendete Unreal-Engine-Version, den Datenfluss und die Lizenzbedingungen des Teams.

Nächste Schritte

Nach dem ersten Test können Sie sich Epics PCG-Übersicht und den Entwicklungsleitfäden zuwenden. Shape Grammars, GPU-Verarbeitung, Biome-Tools und das Debugging der Laufzeitgenerierung werden in der Dokumentation als separate Themen behandelt. Wer mit Python arbeitet, sollte sich an den Definitionen der Datenklassen und Funktionen in der experimentellen API-Dokumentation für 5.3 orientieren und die Entsprechungen beim Wechsel auf andere Versionen erneut prüfen. Wenn Sie in Ihren Projektnotizen die verwendete Version, Eingaben und beobachteten Ergebnisse festhalten, lässt sich ein reproduzierbarer Testablauf aufbauen.

Quellen und Lizenz

Dieser Leitfaden wurde auf Grundlage der Übersicht zum Unreal Engine Procedural Content Generation Framework von Epic Games, der PCGSpatialData-Dokumentation in der Python-API für Unreal Engine 5.3 sowie der Versionshinweise zu Unreal Engine 5.2 und 5.3 ins Türkische übertragen. Die Quellen sind frei zugänglich; in den bereitgestellten Texten wird keine zusätzliche Lizenz mit offenem Lizenzmodell genannt.