論文の概要: WhatELSE: Shaping Narrative Spaces at Configurable Level of Abstraction for AI-bridged Interactive Storytelling

• arxiv url: http://arxiv.org/abs/2502.18641v1
• Date: Tue, 25 Feb 2025 21:02:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:56:49.752716
• Title: WhatELSE: Shaping Narrative Spaces at Configurable Level of Abstraction for AI-bridged Interactive Storytelling
• Title（参考訳）: WhatELSE:AIによる対話型ストーリーテリングのための抽象的な構成レベルでのナラティブ空間形成
• Authors: Zhuoran Lu, Qian Zhou, Yi Wang,
• Abstract要約: WhatELSEはAIでブリッジされたINオーサリングシステムで、例題から物語可能性空間を生成する。 我々は,WhatELSEによって著者が物語空間を知覚し,編集し,プレイ時に対話的な物語を生成することができることを示す。
• 参考スコア（独自算出の注目度）: 11.210282687859534
• License:
• Abstract: Generative AI significantly enhances player agency in interactive narratives (IN) by enabling just-in-time content generation that adapts to player actions. While delegating generation to AI makes IN more interactive, it becomes challenging for authors to control the space of possible narratives - within which the final story experienced by the player emerges from their interaction with AI. In this paper, we present WhatELSE, an AI-bridged IN authoring system that creates narrative possibility spaces from example stories. WhatELSE provides three views (narrative pivot, outline, and variants) to help authors understand the narrative space and corresponding tools leveraging linguistic abstraction to control the boundaries of the narrative space. Taking innovative LLM-based narrative planning approaches, WhatELSE further unfolds the narrative space into executable game events. Through a user study (N=12) and technical evaluations, we found that WhatELSE enables authors to perceive and edit the narrative space and generates engaging interactive narratives at play-time.
• Abstract（参考訳）: 生成AIは、プレイヤーアクションに適応するジャストインタイムコンテンツ生成を可能にすることで、インタラクティブな物語(IN)におけるプレイヤーエージェンシーを著しく強化する。 世代をAIに委譲することで、INはよりインタラクティブになるが、著者が物語の可能な空間を制御することは困難になる。 本稿では,AIを用いたINオーサリングシステムであるWhatELSEについて述べる。 WhatELSEは、著者が物語空間とそれに対応するツールを理解するのに役立つ3つのビュー(物語のピボット、アウトライン、変種)を提供する。 革新的なLLMベースの物語計画アプローチを採用し、WhatELSEはさらに物語空間を実行可能なゲームイベントへと広げている。 ユーザスタディ (N=12) と技術評価により,WhatELSEは著者が物語空間を知覚し,編集し,プレイ時に対話的な物語を生成することができることがわかった。

関連論文リスト

• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• Story3D-Agent: Exploring 3D Storytelling Visualization with Large Language Models [57.30913211264333]
  提案するStory3D-Agentは、提供された物語を3Dレンダリングの可視化に変換する先駆的なアプローチである。 プロシージャモデリングを統合することで,複数文字の動作や動きを正確に制御できるだけでなく,多様な装飾的要素も利用できる。 我々は,ストーリー3D-Agentを徹底的に評価し,その有効性を検証し,3Dストーリー表現を前進させるための基本的な枠組みを提供した。
  論文  参考訳（メタデータ） (2024-08-21T17:43:15Z)
• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)
• StoryVerse: Towards Co-authoring Dynamic Plot with LLM-based Character Simulation via Narrative Planning [8.851718319632973]
  大きな言語モデル(LLM)は仮想文字の振る舞いを駆動し、プロットは文字と環境間の相互作用から現れる。 著者の著作意図と LLM によるキャラクタシミュレーションの創発的行動とを仲介するプロット作成ワークフローを提案する。 このプロセスは「生きた物語」を作り、様々なゲーム世界の状態に動的に適応し、著者、キャラクターシミュレーション、プレイヤーが共同で物語を作る。
  論文  参考訳（メタデータ） (2024-05-17T23:04:51Z)
• SARD: A Human-AI Collaborative Story Generation [0.0]
  本研究では,大規模言語モデルを用いたマルチチャプタストーリ生成のためのドラッグアンドドロップ型ビジュアルインタフェースであるSARDを提案する。 SARDのユーザビリティとその創造性に対する評価は、物語のノードベースの可視化は、著者がメンタルモデルを構築するのに役立つかもしれないが、著者にとって不必要な精神的オーバーヘッドを生じさせることを示している。 また、AIはストーリーの複雑さに関係なく、語彙的に多様性の低いストーリーを生成することもわかりました。
  論文  参考訳（メタデータ） (2024-03-03T17:48:42Z)
• NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
  本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。 我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。 ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
  論文  参考訳（メタデータ） (2023-10-02T13:24:00Z)
• Tachikuma: Understading Complex Interactions with Multi-Character and Novel Objects by Large Language Models [67.20964015591262]
  我々は,複数文字と新しいオブジェクトベースインタラクション推定タスクとサポートデータセットからなる,立久間というベンチマークを導入する。 このデータセットは、ゲームプレイ中のリアルタイム通信からログデータをキャプチャし、多様な、接地された複雑なインタラクションを提供して、さらなる探索を行う。 本稿では,対話理解の強化に有効であることを示すため,簡単なプロンプトベースラインを提案し,その性能評価を行う。
  論文  参考訳（メタデータ） (2023-07-24T07:40:59Z)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• Situated Language Learning via Interactive Narratives [16.67845396797253]
  本稿では,文脈的関連のある自然言語を理解し,生成する能力を持つ学習エージェントの活用方法について考察する。 このようなエージェントを作成するための2つの重要なコンポーネントは、相互作用と環境接地です。 テキストゲームのパズルのような構造と自然言語状態とアクション空間が組み合わさったユニークな課題について論じる。
  論文  参考訳（メタデータ） (2021-03-18T01:55:16Z)
• Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
  本研究では,対話型物語生成の課題に焦点をあてる。 本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。 自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされたストーリーを生み出すことが示された。
  論文  参考訳（メタデータ） (2020-10-20T00:36:15Z)
• Tension Space Analysis for Emergent Narrative [0.1784936803975635]
  本稿では,可能世界のナラトロジー理論を用いた創発的物語への新たなアプローチを提案する。 本研究では,このようなシステムにおける作業設計を,表現的範囲分析に触発された形式的解析手法を用いて理解する方法を実証する。 最後に、スケッチベースのインタフェースを用いて、創発的な物語システムのために、コンテンツを作成できる新しい方法を提案する。
  論文  参考訳（メタデータ） (2020-04-22T19:26:09Z)

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。