Original title: Vytváření problémů pro bouldering
Translated title: Generating Bouldering Problems
Authors: Foltyn, Lukáš ; Sedláček, Šimon (referee) ; Brukner, Jan (advisor)
Document type: Master’s theses
Year: 2026
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [eng] [cze]
Tato diplomová práce zkoumá generování boulder problémů pro MoonBoard pomocí modelu Transformer typu Decoder-Only. Úloha je formulována jako podmíněné autoregresivní generování sekvence, při němž jsou cesty generovány chyt po chytu na základě cílové obtížnosti a roku konfigurace MoonBoardu. Pro účely strojového učení je shromážděna databáze MoonBoard problémů, následně předzpracována a převedena na sekvence tokenů. V práci jsou zkoumány různé reprezentace cest a architektonická rozhodnutí s cílem navrhnout model vhodný pro danou úlohu. Vygenerované problémy jsou hodnoceny pomocí objektivních metrik i lidského posouzení na skutečném MoonBoardu. Výsledky ukazují, že přístup založený na Transformeru dokáže generovat věrohodné boulder problémy, zároveň však odhalují omezení v kvalitě pohybu, lezitelnosti a přesnosti obtížnosti. Celkově práce ukazuje, že Transformer typu Decoder-Only představuje použitelný přístup ke strukturovanému generování lezeckých cest, ačkoli pro lepší zachycení fyzických a subjektivních aspektů lezení je zapotřebí další práce. This thesis investigates the generation of MoonBoard bouldering problems using a Decoder-Only Transformer model. The task is formulated as conditional autoregressive sequence generation, where routes are generated hold-by-hold based on the target grade and MoonBoard setup year. A dataset of MoonBoard problems is collected, preprocessed, and converted into token sequences suitable for machine learning. Different route representations and architectural choices are explored to design a suitable model for the task. The generated problems are evaluated using both objective metrics and human assessment on a real MoonBoard. The results show that the Transformer-based approach can generate plausible bouldering problems, but also reveal limitations in movement quality, climbability, and grade accuracy. Overall, the thesis demonstrates that a Decoder-Only Transformer is a viable approach for structured climbing route generation, while further work is needed to better capture the physical and subjective aspects of climbing.
Keywords: autoregresivní generování; generativní modely; generování boulderových problémů; generování lezeckých cest; MoonBoard; neuronové sítě; Transformer; autoregressive generation; bouldering problem generation; climbing route generation; Decoder-Only Transformer; generative models; MoonBoard; neural networks

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/260544

Permalink: http://www.nusl.cz/ntk/nusl-776389


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses