論文の概要: GPT for Games: An Updated Scoping Review (2020-2024)

• arxiv url: http://arxiv.org/abs/2411.00308v1
• Date: Fri, 01 Nov 2024 02:00:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:47:47.201682
• Title: GPT for Games: An Updated Scoping Review (2020-2024)
• Title（参考訳）: GPT for Games:最新のスコーピングレビュー(2020-2024)
• Authors: Daijin Yang, Erica Kleinman, Casper Harteveld,
• Abstract要約: 本稿では,GPTのゲームの可能性を探るため,2024年に発表された131記事のスコーピングレビューについて紹介する。 現在のゲーム研究におけるGPTの顕著な応用は,プロシージャコンテンツ生成,混合開始型ゲームデザイン,混合開始型ゲームプレイ,ゲームプレイ,ゲームユーザリサーチの5つである。 このレビューは、ゲームにおける革新的なGPTアプリケーションにおける技術の現状を説明することを目的としており、ゲーム開発を充実させ、最先端のAIイノベーションを通じてプレイヤー体験を強化する基盤を提供する。
• 参考スコア（独自算出の注目度）: 12.815161960142293
• License:
• Abstract: Due to GPT's impressive generative capabilities, its applications in games are expanding rapidly. To offer researchers a comprehensive understanding of the current applications and identify both emerging trends and unexplored areas, this paper introduces an updated scoping review of 131 articles, 76 of which were published in 2024, to explore GPT's potential for games. By coding and synthesizing the papers, we identify five prominent applications of GPT in current game research: procedural content generation, mixed-initiative game design, mixed-initiative gameplay, playing games, and game user research. Drawing on insights from these application areas and emerging research, we propose future studies should focus on expanding the technical boundaries of the GPT models and exploring the complex interaction dynamics between them and users. This review aims to illustrate the state of the art in innovative GPT applications in games, offering a foundation to enrich game development and enhance player experiences through cutting-edge AI innovations.
• Abstract（参考訳）: GPTの優れた生成能力のため、ゲームにおけるその応用は急速に拡大している。 本報告では,2024年に発表された131記事のスクーピングレビューを改訂し,GPTのゲームの可能性を探る。 論文のコーディングと合成により,プロシージャコンテンツ生成,混合開始型ゲームデザイン,混合開始型ゲームプレイ,ゲームプレイ,ゲームユーザリサーチの5つのGPTの顕著な応用を同定した。 今後の研究課題として,GPTモデルの技術的境界を広げ,それらとユーザ間の複雑な相互作用のダイナミクスを探求することを提案する。 このレビューは、ゲームにおける革新的なGPTアプリケーションの現状を説明することを目的としており、ゲーム開発を充実させ、最先端のAIイノベーションを通じてプレイヤー体験を強化する基盤を提供する。

関連論文リスト

• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• GPT for Games: A Scoping Review (2020-2023) [12.815161960142293]
  本稿では,ゲームにおけるGPTの可能性を探るため,55項目のスコーピングレビューを紹介する。 現在のゲーム研究におけるGPTの主な応用は,プロシージャコンテンツ生成,混合開始型ゲームデザイン,混合開始型ゲームプレイ,ゲームプレイ,ゲームユーザリサーチの5つである。 このレビューは、ゲームにおける革新的なGPTアプリケーションのための技術の現状を説明し、ゲーム開発を充実させ、最先端のAIイノベーションでプレイヤー体験を強化することを約束することで、基礎を固めることを目的としている。
  論文  参考訳（メタデータ） (2024-04-27T06:26:18Z)
• 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)
• Generative AI in Mafia-like Game Simulation [2.44755919161855]
  この研究は、ゲームシナリオにおける理解、意思決定、相互作用におけるモデルの可能性を示すことを目的としていた。 この結果は、GPT-4は以前のモデルよりも有望な進歩を示すが、さらなる発展の可能性を秘めていることを示唆している。
  論文  参考訳（メタデータ） (2023-09-20T22:38:34Z)
• Decoding ChatGPT: A Taxonomy of Existing Research, Current Challenges, and Possible Future Directions [2.5427838419316946]
  Chat Generative Pre-trained Transformer (ChatGPT)は、2022年11月の打ち上げ以来、大きな関心を集めている。 われわれはChatGPT上で100冊以上のScoops-indexedの出版物を総合的にレビューする。
  論文  参考訳（メタデータ） (2023-07-26T11:10:04Z)
• Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
  本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。 ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。 我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2023-07-19T18:19:23Z)
• 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)
• Sparks of Artificial General Intelligence: Early experiments with GPT-4 [66.1188263570629]
  OpenAIが開発したGPT-4は、前例のない規模の計算とデータを使って訓練された。 我々は, GPT-4が数学, コーディング, ビジョン, 医学, 法学, 心理学などにまたがる, 新規で困難な課題を解くことを実証した。 我々は、GPT-4を人工知能(AGI)システムの早期(まだ未完成)版と見なすことができると信じている。
  論文  参考訳（メタデータ） (2023-03-22T16:51:28Z)
• On Reinforcement Learning for the Game of 2048 [0.8223798883838329]
  この論文は2048年の強化学習とコンピュータゲームアルゴリズムに関する包括的な研究を行っている。 2048 の最先端プログラムが開発され,すべての学習プログラムの中で最も高い性能を達成している。 提案したコース設計では,2048種類のゲームを初心者が強化学習やコンピュータゲームアルゴリズムを学ぶための教材として使用する。
  論文  参考訳（メタデータ） (2022-12-21T15:33:01Z)
• CCPT: Automatic Gameplay Testing and Validation with Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
  Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。 CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
  論文  参考訳（メタデータ） (2022-02-21T09:08:33Z)
• DeepCrawl: Deep Reinforcement Learning for Turn-based Strategy Games [137.86426963572214]
  Deep CrawlはiOSとAndroid用の完全にプレイ可能なRogueライクなプロトタイプで、すべてのエージェントがDeep Reinforcement Learning (DRL)を使用してトレーニングされたポリシーネットワークによって制御される。 本研究の目的は、近年のDRLの進歩が、ビデオゲームにおける非プレイヤーキャラクターに対する説得力のある行動モデルの開発に有効であるかどうかを理解することである。
  論文  参考訳（メタデータ） (2020-12-03T13:53:29Z)

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。