論文の概要: STORY2GAME: Generating (Almost) Everything in an Interactive Fiction Game

• arxiv url: http://arxiv.org/abs/2505.03547v1
• Date: Tue, 06 May 2025 14:00:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.408612
• Title: STORY2GAME: Generating (Almost) Everything in an Interactive Fiction Game
• Title（参考訳）: STORY2GAME:インタラクティブなフィクションゲームですべてを(ほぼ)生成する
• Authors: Eric Zhou, Shreyas Basavatia, Moontashir Siam, Zexin Chen, Mark O. Riedl,
• Abstract要約: STORY2GAMEはテキストベースのインタラクティブフィクションゲームを生成するための新しいアプローチである。 まず、ストーリーを生成し、世界をポップアップさせ、インタラクティブにストーリーをプレイできるゲームエンジンにアクションのためのコードを構築する。 我々は、プレイヤーが生成したストーリー全体を通してインタラクティブにプレイできるかどうかに関して、アクションコード生成の成功率を評価する。
• 参考スコア（独自算出の注目度）: 15.427907377465685
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce STORY2GAME, a novel approach to using Large Language Models to generate text-based interactive fiction games that starts by generating a story, populates the world, and builds the code for actions in a game engine that enables the story to play out interactively. Whereas a given set of hard-coded actions can artificially constrain story generation, the ability to generate actions means the story generation process can be more open-ended but still allow for experiences that are grounded in a game state. The key to successful action generation is to use LLM-generated preconditions and effects of actions in the stories as guides for what aspects of the game state must be tracked and changed by the game engine when a player performs an action. We also introduce a technique for dynamically generating new actions to accommodate the player's desire to perform actions that they think of that are not part of the story. Dynamic action generation may require on-the-fly updates to the game engine's state representation and revision of previously generated actions. We evaluate the success rate of action code generation with respect to whether a player can interactively play through the entire generated story.
• Abstract（参考訳）: 本稿では,STORY2GAMEを紹介した。STORY2GAMEは大規模言語モデルを用いて,物語の生成から始まるテキストベースのインタラクティブフィクションゲームを生成し,ゲームエンジンにアクションのためのコードを構築し,インタラクティブにストーリーをプレイできるようにする。 ハードコードされたアクションのセットは、人工的にストーリー生成を制限できるが、アクションを生成する能力は、ストーリー生成プロセスをよりオープンにすることができるが、ゲーム状態に根ざした体験を可能にする。 アクション生成を成功させる鍵は、プレイヤーがアクションを実行する際にゲームエンジンによってゲーム状態のどの側面を追跡・変更する必要があるかのガイドとして、LSM生成の前提条件とストーリーにおけるアクションの効果を使用することである。 また,新たなアクションを動的に生成する手法を導入し,プレイヤーがストーリーの一部ではないと考えるアクションを実行したいというプレイヤーの欲求を満たす。 動的アクション生成は、ゲームエンジンの状態表現と以前に生成されたアクションの更新をオンザフライで行う必要がある。 我々は、プレイヤーが生成したストーリー全体を通してインタラクティブにプレイできるかどうかに関して、アクションコード生成の成功率を評価する。

関連論文リスト

• AnimeGamer: Infinite Anime Life Simulation with Next Game State Prediction [58.240114139186275]
  近年,無限アニメライフシミュレーションの先駆的なアプローチとして,多ターンテキスト対話を画像生成のための言語命令に変換するために,大規模言語モデル(LLM)が採用されている。 本稿では,MLLM(Multimodal Large Language Models)をベースとしたAnimeGamerを提案する。 本稿では,アニメーション映像を高品質なビデオクリップにデコード可能な,アクション対応のマルチモーダル表現を提案する。
  論文  参考訳（メタデータ） (2025-04-01T17:57:18Z)
• GameFactory: Creating New Games with Generative Interactive Videos [32.98135338530966]
  生成ビデオは、新しいコンテンツを自律的に作成することによって、ゲーム開発に革命をもたらす可能性がある。 本稿では,アクション制御型シーン汎用ゲーム生成フレームワークであるGameFactoryを紹介する。 実験により,GameFactoryはオープンドメインアクション制御可能なゲームビデオを効果的に生成することを示した。
  論文  参考訳（メタデータ） (2025-01-14T18:57:21Z)
• 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)
• Generating Human Interaction Motions in Scenes with Text Control [66.74298145999909]
  本稿では,デノナイズ拡散モデルに基づくテキスト制御されたシーン認識動作生成手法TeSMoを提案する。 我々のアプローチは、シーンに依存しないテキスト-モーション拡散モデルの事前学習から始まります。 トレーニングを容易にするため,シーン内に注釈付きナビゲーションと対話動作を組み込む。
  論文  参考訳（メタデータ） (2024-04-16T16:04:38Z)
• Ambient Adventures: Teaching ChatGPT on Developing Complex Stories [8.07595093287034]
  イマジナリープレイは、実際のオブジェクトや場所を取り、仮想シナリオにおける仮想オブジェクトやロケーションとして使用するものとして見ることができます。 我々は,大言語モデル(LLM)のストーリー生成機能を採用し,人間の手書きのプロンプトによる想像的なプレイに使用するストーリーの獲得を試みた。 これらの生成されたストーリーは単純化され、アクションシーケンスにマッピングされる。
  論文  参考訳（メタデータ） (2023-08-03T12:52:49Z)
• 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)
• 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)

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。