論文の概要: ScriptDoctor: Automatic Generation of PuzzleScript Games via Large Language Models and Tree Search

• arxiv url: http://arxiv.org/abs/2506.06524v1
• Date: Fri, 06 Jun 2025 20:40:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.310138
• Title: ScriptDoctor: Automatic Generation of PuzzleScript Games via Large Language Models and Tree Search
• Title（参考訳）: ScriptDoctor: 大規模言語モデルとツリー検索によるPuzzleScriptゲームの自動生成
• Authors: Sam Earle, Ahmed Khalifa, Muhammad Umair Nasir, Zehua Jiang, Graham Todd, Andrzej Banburski-Fahey, Julian Togelius,
• Abstract要約: ScriptDoctorは、PuzzleScriptでゲームを自動的に生成し、テストするための大規模言語モデル駆動システムである。 ゲームデザインのアイデアを反復ループで生成し、テストする。 これは、新しいゲームコンテンツを生成する上で、自動化されたオープンエンドのLLMベースの可能性の具体的な例として機能する。
• 参考スコア（独自算出の注目度）: 3.608541939158718
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There is much interest in using large pre-trained models in Automatic Game Design (AGD), whether via the generation of code, assets, or more abstract conceptualization of design ideas. But so far this interest largely stems from the ad hoc use of such generative models under persistent human supervision. Much work remains to show how these tools can be integrated into longer-time-horizon AGD pipelines, in which systems interface with game engines to test generated content autonomously. To this end, we introduce ScriptDoctor, a Large Language Model (LLM)-driven system for automatically generating and testing games in PuzzleScript, an expressive but highly constrained description language for turn-based puzzle games over 2D gridworlds. ScriptDoctor generates and tests game design ideas in an iterative loop, where human-authored examples are used to ground the system's output, compilation errors from the PuzzleScript engine are used to elicit functional code, and search-based agents play-test generated games. ScriptDoctor serves as a concrete example of the potential of automated, open-ended LLM-based workflows in generating novel game content.
• Abstract（参考訳）: 自動ゲームデザイン(AGD)において、コードの生成、資産、あるいは設計概念のより抽象的な概念化を通じて、大きな事前学習モデルを使用することに大きな関心がある。 しかし、これまでのところこの関心は、人間の監督下でのこのような生成モデルの使用のアドホックな使用に大きく起因している。 これらのツールが、ゲームエンジンとシステムインターフェースを使って生成されたコンテンツを自律的にテストする、長期的なAGDパイプラインにどのように統合できるかは、まだ多くの作業が続けられている。 そこで我々は,Large Language Model (LLM) によるゲームの自動生成とテストを行うScriptDoctorを紹介した。 ScriptDoctorはゲームデザインのアイデアを反復ループで生成、テストし、人間によって書かれた例をシステムの出力の土台として使用し、PuzzleScriptエンジンからのコンパイルエラーを関数コードを抽出するために使用し、検索ベースのエージェントが生成されたゲームをプレイテストする。 ScriptDoctorは、新しいゲームコンテンツを生成する自動化されたLLMベースのワークフローの具体的な例である。

関連論文リスト

• Multi-Actor Generative Artificial Intelligence as a Game Engine [49.360775442760314]
  ジェネレーティブAIは、社会科学モデリングからインタラクティブな物語、AI評価に至るまで、マルチアクター環境で使用することができる。 ここでは、ゲームマスター(GM)が環境に責任を持ち、プレイヤーキャラクターの自発的な行動によって直接決定されないストーリーの全ての部分を生成できるテーブルトップロールプレイングゲーム(TTRPG)からインスピレーションを得るのが良い方法であると論じる。
  論文  参考訳（メタデータ） (2025-07-10T22:31:09Z)
• Agentic 3D Scene Generation with Spatially Contextualized VLMs [67.31920821192323]
  本稿では,複雑な3D環境の生成,理解,編集を可能にする新しいパラダイムを提案する。 我々は,VLMが空間コンテキストから反復的に読み取って更新するエージェント型3Dシーン生成パイプラインを開発した。 その結果,我々のフレームワークは多様かつ困難な入力を処理でき,事前の作業では観測できないような一般化のレベルを達成することができることがわかった。
  論文  参考訳（メタデータ） (2025-05-26T15:28:17Z)
• Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs [63.10710876536337]
  検証済みスクリプトの集合であるソフトウェア固有のスキルセットをキュレートするためのオフラインシミュレーションフレームワークを提案する。 本フレームワークは,1)タスク作成,トップダウン機能の利用,およびボトムアップAPIのシナジー探索という2つのコンポーネントから構成される。 Adobe Illustratorでの実験では、我々のフレームワークは自動化の成功率を大幅に改善し、レスポンス時間を短縮し、ランタイムトークンのコストを削減しています。
  論文  参考訳（メタデータ） (2025-04-29T04:03:37Z)
• Cardiverse: Harnessing LLMs for Novel Card Game Prototyping [9.435009911810955]
  カードゲームは創造的なアイデアとゲームプレイ評価において広範囲の人的努力を必要とする。 大規模言語モデルの最近の進歩は、これらのプロセスの自動化と合理化の機会を提供する。 本稿では,カードゲームの自動プロトタイピングフレームワークを導入することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-02-10T23:47:35Z)
• Mediating Modes of Thought: LLM's for design scripting [3.196599528747484]
  大規模言語モデル(LLM)は、人間の文脈の一般的な理解を符号化し、幾何学的論理を生成する能力を示す。 このプロジェクトは、LLMがユーザの意図とアルゴリズムを効果的に仲介できれば、デザインにおけるスクリプト作成をより広く楽しくするための強力なツールになる、と推測している。 このようなシステムが、計算設計スクリプティングに関連する幾何学的操作を組み立てるための自然言語のプロンプトを解釈できるかどうかを検討する。
  論文  参考訳（メタデータ） (2024-11-20T02:49:18Z)
• AutoGen Studio: A No-Code Developer Tool for Building and Debugging Multi-Agent Systems [31.113305753414913]
  ATOGEN STUDIOは、マルチエージェントシステムを迅速にプロトタイピングするためのノーコード開発ツールである。 エージェント仕様のための直感的なドラッグ&ドロップUI、インタラクティブな評価、再利用可能なエージェントコンポーネントのギャラリーを提供する。
  論文  参考訳（メタデータ） (2024-08-09T03:27:37Z)
• Grammar-based Game Description Generation using Large Language Models [12.329521804287259]
  Game Description Language (GDL) は、様々なゲームを機械可読形式で表現するための標準化された方法を提供する。 本稿では,Large Language Models(LLM)を利用して,自然言語から文法的に正確なゲーム記述を生成する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-24T16:36:02Z)
• clembench-2024: A Challenging, Dynamic, Complementary, Multilingual Benchmark and Underlying Flexible Framework for LLMs as Multi-Action Agents [19.989503513817095]
  大きな言語モデルは、特定の能力を探索する会話ゲームに"セルフプレイ"するよう促すことができる。 本稿では,このようなゲームプレイ環境を構築するためのフレームワークの1つを取り上げ,その有効性を評価機器として検証する。
  論文  参考訳（メタデータ） (2024-05-31T14:43:31Z)
• 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)
• L3GO: Language Agents with Chain-of-3D-Thoughts for Generating Unconventional Objects [53.4874127399702]
  本稿では,3Dメッシュ生成を推論可能な3Dメッシュ生成手法であるL3GO(チェーン・オブ・3D思想)を用いた言語エージェントを提案する。 我々は,新しいベンチマークである Unconventionally Feasible Objects (UFO) と,Blender上に構築されたSimpleBlenv を開発した。 提案手法は,ShapeNet上での3Dメッシュ生成のための標準GPT-4および他の言語エージェントを上回る。
  論文  参考訳（メタデータ） (2024-02-14T09:51:05Z)
• 3D-GPT: Procedural 3D Modeling with Large Language Models [47.72968643115063]
  命令駆動3Dモデリングのための大規模言語モデル(LLM)を利用するフレームワークである3D-GPTを紹介する。 3D-GPTは、3Dモデリングタスクをアクセス可能なセグメントに分割し、各タスクにアプエージェントを割り当てる。 我々の実証調査では、3D-GPTが解釈し、指示を実行し、信頼性の高い結果を提供するだけでなく、人間デザイナーと効果的に協力することを確認した。
  論文  参考訳（メタデータ） (2023-10-19T17:41:48Z)
• 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)
• Teach me to play, gamer! Imitative learning in computer games via linguistic description of complex phenomena and decision tree [55.41644538483948]
  本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。 この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
  論文  参考訳（メタデータ） (2021-01-06T21:14:10Z)

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。