論文の概要: A Text-to-Game Engine for UGC-Based Role-Playing Games

• arxiv url: http://arxiv.org/abs/2407.08195v1
• Date: Thu, 11 Jul 2024 05:33:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-12 18:48:48.816754
• Title: A Text-to-Game Engine for UGC-Based Role-Playing Games
• Title（参考訳）: UGCベースのロールプレイングゲームのためのテキスト・ツー・ゲームエンジン
• Authors: Lei Zhang, Xuezheng Peng, Shuyi Yang, Feiyang Wang,
• Abstract要約: 本稿では,単純なテキスト入力を複雑でインタラクティブなRPG体験に変換する基礎モデルを用いたテキスト・ツー・ゲームエンジンの新しいフレームワークを提案する。 エンジンは、ゲームストーリーをマルチモーダル形式で動的にレンダリングし、プレイヤアクションに応じて、ゲームキャラクタ、環境、メカニックをリアルタイムで調整する。
• 参考スコア（独自算出の注目度）: 6.5715027492220734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The shift from professionally generated content (PGC) to user-generated content (UGC) has revolutionized various media formats, from text to video. With the rapid advancements in generative AI, a similar shift is set to transform the game industry, particularly in the realm of role-playing games (RPGs). This paper introduces a new framework for a text-to-game engine that utilizes foundation models to convert simple textual inputs into complex, interactive RPG experiences. The engine dynamically renders the game story in a multi-modal format and adjusts the game character, environment, and mechanics in real-time in response to player actions. Using this framework, we developed the "Zagii" game engine, which has successfully supported hundreds of RPG games across a diverse range of genres and facilitated tens of thousands of online user gameplay instances. This validates the effectiveness of our frame-work. Our work showcases the potential for a more open and democratized gaming paradigm, highlighting the transformative impact of generative AI on the game life cycle.
• Abstract（参考訳）: プロフェッショナル生成コンテンツ(PGC)からユーザ生成コンテンツ(UGC)への移行は、テキストからビデオまで、さまざまなメディアフォーマットに革命をもたらした。 生成AIの急速な進歩により、ゲーム産業、特にロールプレイングゲーム(RPG)の領域において、同様のシフトが設定されている。 本稿では,単純なテキスト入力を複雑でインタラクティブなRPG体験に変換する基礎モデルを用いたテキスト・ツー・ゲームエンジンの新しいフレームワークを提案する。 エンジンは、ゲームストーリーをマルチモーダル形式で動的にレンダリングし、プレイヤアクションに応じて、ゲームキャラクタ、環境、メカニックをリアルタイムで調整する。 このフレームワークを用いて,様々なジャンルにわたるRPGゲーム数百のゲームをサポートし,数万のオンラインユーザゲームインスタンスを円滑に支援する「ザギイ」ゲームエンジンを開発した。 これにより、我々のフレームワークの有効性が検証される。 私たちの研究は、よりオープンで民主化されたゲームパラダイムの可能性を示し、生成AIがゲームライフサイクルに与える影響を強調します。

関連論文リスト

• Unbounded: A Generative Infinite Game of Character Life Simulation [68.37260000219479]
  生成モデルを用いて,有限なハードコードシステムの境界を超越したゲームである生成無限ゲームの概念を導入する。 我々は、生成AIの最近の進歩を活用して、生成モデルに完全にカプセル化されたキャラクターライフシミュレーションゲームUnboundedを作成する。
  論文  参考訳（メタデータ） (2024-10-24T17:59:31Z)
• Instruction-Driven Game Engine: A Poker Case Study [53.689520884467065]
  IDGEプロジェクトは、大規模言語モデルで自由形式のゲーム記述を追従し、ゲームプレイプロセスを生成することにより、ゲーム開発を民主化することを目的としている。 我々は、複雑なシナリオへの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。 我々の最初の進歩はポーカーのIDGEの開発であり、これは幅広いポーカーの変種をサポートするだけでなく、自然言語入力を通じて高度に個別化された新しいポーカーゲームを可能にする。
  論文  参考訳（メタデータ） (2024-10-17T11:16:27Z)
• GAVEL: Generating Games Via Evolution and Language Models [40.896938709468465]
  我々は,Ludiiゲーム記述言語における新規ゲームの生成について検討する。 我々は、コードとして表現されたゲームやメカニクスをインテリジェントに変更し、再結合するモデルを訓練する。 生成されたゲームのサンプルは、Ludiiポータルからオンラインでプレイすることができる。
  論文  参考訳（メタデータ） (2024-07-12T16:08:44Z)
• Instruction-Driven Game Engines on Large Language Models [59.280666591243154]
  IDGEプロジェクトは、大規模な言語モデルが自由形式のゲームルールに従うことを可能にすることで、ゲーム開発を民主化することを目的としている。 我々は、複雑なシナリオに対するモデルの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。 私たちの最初の進歩は、汎用的なカードゲームであるPoker用のIDGEを開発することです。
  論文  参考訳（メタデータ） (2024-03-30T08:02:16Z)
• Towards a Holodeck-style Simulation Game [40.044978986425676]
  Infinitiaは生成画像と言語モデルを使用して、プレイヤーからの短い記述に基づいて設定とNPCの全ての側面を再構築する。 InfinitiaはサーバクライアントアーキテクチャでUnityエンジンに実装されている。 マルチプレイヤーのフレームワークを使って、人間がシミュレーションに参加して対話できるようにしている。
  論文  参考訳（メタデータ） (2023-08-22T19:19:19Z)
• Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models [68.85478477006178]
  ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。 ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。 私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。 提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
  論文  参考訳（メタデータ） (2023-03-23T17:43:17Z)
• Multi-Game Decision Transformers [49.257185338595434]
  そこで本研究では,1つのトランスフォーマーモデルを用いて,最大46個のAtariゲーム群を,人間に近いパフォーマンスで同時にプレイ可能であることを示す。 オンラインやオフラインのRL手法や行動クローンなど,マルチゲーム設定におけるいくつかのアプローチを比較した。 マルチゲーム決定変換モデルは、最高のスケーラビリティとパフォーマンスを提供します。
  論文  参考訳（メタデータ） (2022-05-30T16:55:38Z)
• Entity Embedding as Game Representation [0.9645196221785693]
  エンゲージ埋め込み」と呼ばれるものを導出するためのオートエンコーダを提案する。 本稿では,学習した表現と,その品質と将来性に関するいくつかの証拠を紹介する。
  論文  参考訳（メタデータ） (2020-10-04T21:16:45Z)
• Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
  本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。 ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
  論文  参考訳（メタデータ） (2020-05-25T14:10:17Z)

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。