Fugu-MT 論文翻訳(概要): Tabletop Roleplaying Games as Procedural Content Generators

論文の概要: Tabletop Roleplaying Games as Procedural Content Generators

arxiv url: http://arxiv.org/abs/2007.06108v2
Date: Wed, 15 Jul 2020 17:37:55 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 05:46:06.346205
Title: Tabletop Roleplaying Games as Procedural Content Generators
Title（参考訳）: プロシージャコンテンツジェネレータとしてのテーブルトップロールプレイングゲーム
Authors: Matthew Guzdial, Devi Acharya, Max Kreminski, Michael Cook, Mirjam Eladhari, Antonios Liapis and Anne Sullivan
Abstract要約: TTRPGデザインは,プロシージャコンテンツジェネレータ設計として有用である,と我々は主張する。そこで本研究では,PCG研究からTTRPG設計における重要な概念とを結びつけるいくつかのケーススタディについて述べる。
参考スコア（独自算出の注目度）: 2.817808964336791
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tabletop roleplaying games (TTRPGs) and procedural content generators can both be understood as systems of rules for producing content. In this paper, we argue that TTRPG design can usefully be viewed as procedural content generator design. We present several case studies linking key concepts from PCG research -- including possibility spaces, expressive range analysis, and generative pipelines -- to key concepts in TTRPG design. We then discuss the implications of these relationships and suggest directions for future work uniting research in TTRPGs and PCG.
Abstract（参考訳）: テーブルトップロールプレイングゲーム(TTRPG)とプロシージャコンテンツジェネレータはどちらも、コンテンツを生成するためのルールシステムとして理解することができる。本稿では,TTRPG設計をプロシージャコンテンツジェネレータ設計として有用とみなすことができることを論じる。我々は,PCG研究の重要概念(可能性空間,表現範囲解析,生成パイプラインなど)をTTRPG設計の重要概念にリンクするケーススタディをいくつか提示する。次に,これらの関係の意義を議論し,ttrpgsとpcgにおける今後の作業統合研究の方向性を提案する。

関連論文リスト

Procedural Content Generation in Games: A Survey with Insights on Emerging LLM Integration [1.03590082373586]
プロシージャコンテンツ生成(PCG)は、アルゴリズムを用いてゲームコンテンツの自動生成として定義される。プレイヤーのエンゲージメントを高め、ゲームデザイナーの仕事を楽にする。 PCGにおけるディープラーニングアプローチの最近の進歩は、研究者や実践者がより洗練されたコンテンツを作成できるようにしている。大規模言語モデル (LLMs) が登場し、PCGの進歩の軌跡を本当に破壊した。
論文参考訳（メタデータ） (2024-10-21T05:10:13Z)
Learning to Plan and Generate Text with Citations [69.56850173097116]
提案手法は, テキストの忠実性, 接地性, 制御性を向上させるために最近実証されたプランベースモデルの帰属性について検討する。本稿では,異なるブループリントの変種を利用する帰属モデルと,質問をゼロから生成する抽象モデルと,質問を入力からコピーする抽出モデルを提案する。
論文参考訳（メタデータ） (2024-04-04T11:27:54Z)
Intelligent Generation of Graphical Game Assets: A Conceptual Framework and Systematic Review of the State of the Art [1.534667887016089]
手続き的コンテンツ生成は、物語、レベル、音から木や武器まで、ゲームにおける様々なタスクに適用することができる。本稿では,ゲーム内外の幅広いアプリケーションからの研究を通じて,グラフィカルアセット生成への最先端のアプローチについて検討する。
論文参考訳（メタデータ） (2023-11-16T18:36:16Z)
GENEVA: GENErating and Visualizing branching narratives using LLMs [15.43734266732214]
textbfGENEVAはプロトタイプツールで、ストーリーラインの分岐と再収束を伴うリッチな物語グラフを生成する。 textbfGENEVAはゲーム開発、シミュレーション、その他のゲームライクな特性を持つアプリケーションを支援する可能性がある。
論文参考訳（メタデータ） (2023-11-15T18:55:45Z)
PCGPT: Procedural Content Generation via Transformers [1.515687944002438]
オフライン強化学習とトランスフォーマーネットワークを用いたプロシージャコンテンツ生成(PCG)の革新的アプローチであるPCGPTフレームワークを提案する。 PCGPTはトランスフォーマーに基づく自己回帰モデルを用いてゲームレベルを反復的に生成し、繰り返し、予測可能、一貫性のないコンテンツといった従来のPCG手法の課題に対処する。
論文参考訳（メタデータ） (2023-10-03T19:58:02Z)
RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models [107.00832724504752]
大規模言語モデル(LLM)におけるロールプレイング能力をベンチマークし、評価し、拡張するフレームワークであるRoleLLMを紹介する。 Context-InstructとRoleGPTによって、168,093サンプルでロールプレイする最初の体系的できめ細かい文字レベルのベンチマークデータセットであるRoleBenchを作成します。
論文参考訳（メタデータ） (2023-10-01T17:52:59Z)
A Controllable Co-Creative Agent for Game System Design [9.356870107137093]
状態マシンライクなコンポーネントとリソースフローを用いたゲームモデルを提案する。このシステムは、幅広いゲームを表現することができ、将来の共同制作アプリケーションに対して人間による制御が可能であることに気付きました。
論文参考訳（メタデータ） (2023-08-04T13:34:51Z)
SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
論文参考訳（メタデータ） (2023-05-24T18:14:35Z)
Towards Complex Document Understanding By Discrete Reasoning [77.91722463958743]
VQA(Document Visual Question Answering)は、自然言語による質問に答えるために、視覚的に豊富なドキュメントを理解することを目的としている。我々は3,067の文書ページと16,558の質問応答ペアからなる新しいドキュメントVQAデータセットTAT-DQAを紹介する。我々は,テキスト,レイアウト,視覚画像など,多要素の情報を考慮に入れたMHSTという新しいモデルを開発し,異なるタイプの質問にインテリジェントに対処する。
論文参考訳（メタデータ） (2022-07-25T01:43:19Z)
Deep Reinforcement Learning with Stacked Hierarchical Attention for Text-based Games [64.11746320061965]
自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
論文参考訳（メタデータ） (2020-10-22T12:40:22Z)
GRIT: Generative Role-filler Transformers for Document-level Event Entity Extraction [134.5580003327839]
本稿では、文書レベルでコンテキストをモデル化するための生成トランスフォーマーベースのエンコーダデコーダフレームワーク(GRIT)を紹介する。我々は,MUC-4データセットに対する我々のアプローチを評価し,我々のモデルが先行作業よりもかなり優れていることを示す。
論文参考訳（メタデータ） (2020-08-21T01:07:36Z)

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。