論文の概要: Bringing Stories Alive: Generating Interactive Fiction Worlds

• arxiv url: http://arxiv.org/abs/2001.10161v1
• Date: Tue, 28 Jan 2020 04:13:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 02:06:13.153272
• Title: Bringing Stories Alive: Generating Interactive Fiction Worlds
• Title（参考訳）: 物語を生かす:インタラクティブなフィクションの世界を生み出す
• Authors: Prithviraj Ammanabrolu, Wesley Cheung, Dan Tu, William Broniec, Mark O. Riedl
• Abstract要約: 我々は、プレイヤーが自然言語を使って「見る」「話す」インタラクティブなフィクションの世界を手続き的に生成することに焦点を当てる。 本稿では,まず,世界構造に関する基本情報を符号化した知識グラフを抽出する手法を提案する。 この知識グラフは、テーマ知識を利用して自動的に完成し、ニューラルネットワーク生成モデルを導くのに使用される。
• 参考スコア（独自算出の注目度）: 19.125250090589397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World building forms the foundation of any task that requires narrative intelligence. In this work, we focus on procedurally generating interactive fiction worlds---text-based worlds that players "see" and "talk to" using natural language. Generating these worlds requires referencing everyday and thematic commonsense priors in addition to being semantically consistent, interesting, and coherent throughout. Using existing story plots as inspiration, we present a method that first extracts a partial knowledge graph encoding basic information regarding world structure such as locations and objects. This knowledge graph is then automatically completed utilizing thematic knowledge and used to guide a neural language generation model that fleshes out the rest of the world. We perform human participant-based evaluations, testing our neural model's ability to extract and fill-in a knowledge graph and to generate language conditioned on it against rule-based and human-made baselines. Our code is available at https://github.com/rajammanabrolu/WorldGeneration.
• Abstract（参考訳）: 世界構築は物語の知性を必要とするあらゆるタスクの基礎を形成する。 本稿では,プレイヤーが自然言語を用いて「見る」こと,「話しかける」ことを目的としたテキストベースの世界である,対話的なフィクションを手続き的に生成することに焦点を当てる。 これらの世界を生成するには、セマンティックに一貫性があり、興味深く、一貫性のあることに加えて、日常的およびテーマ的コモンセンスの事前を参照する必要がある。 既存のストーリープロットをインスピレーションとして,まず位置情報やオブジェクトなどの世界構造に関する基本的な情報を符号化した知識グラフを抽出する手法を提案する。 このナレッジグラフは、テーマ知識を利用して自動的に完成し、世界の他の部分を具体化するニューラルネットワーク生成モデルを導くために使用される。 我々は、人間参加型評価を行い、知識グラフを抽出・埋め込む神経モデルの能力をテストするとともに、それに基づく言語条件をルールベースラインおよびヒューマンメイドベースラインに対して生成する。 私たちのコードはhttps://github.com/rajammanabrolu/worldgenerationで利用可能です。

関連論文リスト

• Learning to Model the World with Language [100.76069091703505]
  人間と対話し、世界で行動するためには、エージェントは人々が使用する言語の範囲を理解し、それを視覚の世界に関連付ける必要がある。 私たちのキーとなるアイデアは、エージェントが将来を予測するのに役立つ信号として、このような多様な言語を解釈すべきである、ということです。 我々は、将来のテキストや画像表現を予測するマルチモーダル世界モデルを学ぶエージェントであるDynalangでこれをインスタンス化する。
  論文  参考訳（メタデータ） (2023-07-31T17:57:49Z)
• ScriptWorld: Text Based Environment For Learning Procedural Knowledge [2.0491741153610334]
  ScriptWorldは、現実世界の日々の雑用についてエージェントに教えるテキストベースの環境である。 10日間の活動にゲーム環境を提供し,提案環境の詳細な分析を行う。 RLエージェントの事前学習言語モデルから得られた特徴を利用する。
  論文  参考訳（メタデータ） (2023-07-08T05:43:03Z)
• Learning to Imagine: Visually-Augmented Natural Language Generation [73.65760028876943]
  本稿では,事前学習型言語モデル(PLM)を視覚的に拡張した自然言語gEnerationのために学習する手法を提案する。 拡散モデルを用いて、入力テキストに条件付き高品質な画像を合成する。 段落全体に対して1つの画像のみを生成するのではなく、各文に対して合成を行う。
  論文  参考訳（メタデータ） (2023-05-26T13:59:45Z)
• Infusing Commonsense World Models with Graph Knowledge [89.27044249858332]
  オープンワールドテキストアドベンチャーゲームにおける物語生成の設定について検討する。 基礎となるゲーム状態のグラフ表現は、接地グラフ表現と自然言語記述とアクションの両方を消費し出力するモデルを訓練するために使用することができる。
  論文  参考訳（メタデータ） (2023-01-13T19:58:27Z)
• Robust Preference Learning for Storytelling via Contrastive Reinforcement Learning [53.92465205531759]
  制御された自動ストーリ生成は、自然言語批判や嗜好から制約を満たす自然言語ストーリを生成することを目指している。 対照的なバイエンコーダモデルをトレーニングし、ストーリーを人間の批評と整合させ、汎用的な嗜好モデルを構築する。 我々はさらに、ストーリー生成の堅牢性を高めるために、プロンプトラーニング技術を用いて、対照的な報酬モデルを微調整する。
  論文  参考訳（メタデータ） (2022-10-14T13:21:33Z)
• Do As I Can, Not As I Say: Grounding Language in Robotic Affordances [119.29555551279155]
  大規模な言語モデルは、世界に関する豊富な意味知識を符号化することができる。 このような知識は、自然言語で表現された高レベルで時間的に拡張された命令を動作させようとするロボットにとって極めて有用である。 低レベルのスキルを大規模言語モデルと組み合わせることで,言語モデルが複雑かつ時間的に拡張された命令を実行する手順について高いレベルの知識を提供することを示す。
  論文  参考訳（メタデータ） (2022-04-04T17:57:11Z)
• Towards Zero-shot Language Modeling [90.80124496312274]
  人間の言語学習に誘導的に偏りを持つニューラルモデルを構築した。 類型的に多様な訓練言語のサンプルからこの分布を推測する。 我々は、保留言語に対する遠隔監視として、追加の言語固有の側情報を利用する。
  論文  参考訳（メタデータ） (2021-08-06T23:49:18Z)
• Learning Knowledge Graph-based World Models of Textual Environments [16.67845396797253]
  本研究は,テキストベースのゲーム環境のワールドモデル構築に焦点をあてる。 1)知識グラフとして世界を表現する際のエージェントの行動によって引き起こされる世界の変化を予測し,(2)世界での操作に必要な文脈的に関連する自然言語行動の集合を生成する。
  論文  参考訳（メタデータ） (2021-06-17T15:45:54Z)
• Modeling Worlds in Text [16.67845396797253]
  対話的な物語の知識グラフに基づく世界モデルを構築することができる学習エージェントの作成を可能にするデータセットを提供する。 我々のデータセットは、豊かな自然言語観測と知識グラフの間の24198のマッピングを提供する。 トレーニングデータは、複数のジャンルの27のゲームにまたがって収集され、さらに7836のホールトアウトインスタンスがテストセットに追加の9つのゲームに格納されている。
  論文  参考訳（メタデータ） (2021-06-17T15:02:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。