論文の概要: A Database-Driven Framework for 3D Level Generation with LLMs

• arxiv url: http://arxiv.org/abs/2508.18533v1
• Date: Mon, 25 Aug 2025 22:15:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.615818
• Title: A Database-Driven Framework for 3D Level Generation with LLMs
• Title（参考訳）: LLMを用いた3次元レベル生成のためのデータベース駆動フレームワーク
• Authors: Kaijie Xu, Clark Verbrugge,
• Abstract要約: 3Dゲームレベルのプロシージャコンテンツ生成は、空間コヒーレンス、ナビゲーション機能、マルチフロア環境における適応可能なゲームプレイ進行のバランスをとる上で、課題に直面している。 本稿では、アーキテクチャコンポーネント(ファクシリティとルームテンプレート)とゲームプレイ機構要素のための再利用可能なデータベースの構築をオフラインでLLMで支援することを中心に、そのようなレベルを生成するための新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.2586114800974957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Procedural Content Generation for 3D game levels faces challenges in balancing spatial coherence, navigational functionality, and adaptable gameplay progression across multi-floor environments. This paper introduces a novel framework for generating such levels, centered on the offline, LLM-assisted construction of reusable databases for architectural components (facilities and room templates) and gameplay mechanic elements. Our multi-phase pipeline assembles levels by: (1) selecting and arranging instances from the Room Database to form a multi-floor global structure with an inherent topological order; (2) optimizing the internal layout of facilities for each room based on predefined constraints from the Facility Database; and (3) integrating progression-based gameplay mechanics by placing components from a Mechanics Database according to their topological and spatial rules. A subsequent two-phase repair system ensures navigability. This approach combines modular, database-driven design with constraint-based optimization, allowing for systematic control over level structure and the adaptable pacing of gameplay elements. Initial experiments validate the framework's ability in generating diverse, navigable 3D environments and its capability to simulate distinct gameplay pacing strategies through simple parameterization. This research advances PCG by presenting a scalable, database-centric foundation for the automated generation of complex 3D levels with configurable gameplay progression.
• Abstract（参考訳）: 3Dゲームレベルのプロシージャコンテンツ生成は、空間コヒーレンス、ナビゲーション機能、マルチフロア環境における適応可能なゲームプレイ進行のバランスをとる上で、課題に直面している。 本稿では、アーキテクチャコンポーネント(ファクシリティとルームテンプレート)とゲームプレイ機構要素のための再利用可能なデータベースの構築をオフラインでLLMで支援することを中心に、そのようなレベルを生成するための新しいフレームワークを提案する。 筆者らの多相パイプラインは,(1) ルームデータベースからインスタンスを選択し,配置し,固有のトポロジ的順序でマルチフロアのグローバル構造を形成すること,(2) 施設データベースから予め定義された制約に基づいて各部屋の施設の内部レイアウトを最適化すること,(3) メカニクスデータベースからのコンポーネントをトポロジ的および空間的規則に従って配置することによる進行型ゲームプレイ機構の統合により,レベルを組み立てる。 その後の2段階の修理システムは、航行性を確保する。 このアプローチは、モジュール型のデータベース駆動設計と制約ベースの最適化を組み合わせることで、レベル構造とゲームプレイ要素の適応的なペーシングを体系的に制御することができる。 最初の実験では、多様なナビゲーション可能な3D環境を生成するためのフレームワークの能力と、単純なパラメータ化によって異なるゲームプレイのペーシング戦略をシミュレートする能力を検証する。 この研究は、構成可能なゲームプレイの進行を伴う複雑な3Dレベルの自動生成のためのスケーラブルでデータベース中心の基盤を提供することにより、PCGを進化させる。

関連論文リスト

• LLM-driven Indoor Scene Layout Generation via Scaled Human-aligned Data Synthesis and Multi-Stage Preference Optimization [45.33085417914205]
  既存の屋内レイアウト生成手法は、プロンプト駆動と学習に基づく2つのカテゴリに分類される。 本稿では,大規模データセットである3D-SynthPlaceについて紹介する。 屋内レイアウト生成に最適化された強力なオープンソースLLMであるOptiSceneを紹介する。
  論文  参考訳（メタデータ） (2025-06-09T09:13:06Z)
• Spatial Understanding from Videos: Structured Prompts Meet Simulation Data [79.52833996220059]
  本稿では,事前学習された視覚言語モデルにおける3次元空間推論を,アーキテクチャを変更することなく拡張するための統一的なフレームワークを提案する。 このフレームワークは、複雑なシーンと質問を解釈可能な推論ステップに分解する構造化プロンプト戦略であるSpatialMindと、多様な3Dシミュレーションシーンから構築されたスケーラブルな質問応答データセットであるScanForgeQAを組み合わせる。
  論文  参考訳（メタデータ） (2025-06-04T07:36:33Z)
• 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)
• HiScene: Creating Hierarchical 3D Scenes with Isometric View Generation [50.206100327643284]
  HiSceneは、2D画像生成と3Dオブジェクト生成のギャップを埋める新しい階層的なフレームワークである。 構成構造を維持しながら2次元表現に整合した3次元コンテンツを生成する。
  論文  参考訳（メタデータ） (2025-04-17T16:33:39Z)
• IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
  IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。 マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。 次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
  論文  参考訳（メタデータ） (2025-04-09T12:36:48Z)
• Intelligent Spatial Perception by Building Hierarchical 3D Scene Graphs for Indoor Scenarios with the Help of LLMs [4.764379183672723]
  本稿では,Large Language Models (LLMs) を利用した室内シナリオのための階層型3次元シーングラフ構築システムを提案する。 提案するフレームワークは、3DSGで構成されており、リッチなメトリック・セマンティック情報を持つ基本層、オブジェクトノードの正確なポイントクラウド表現を特徴とするオブジェクト層、部屋、フロア、ビルディングノードの上位層で構成されている。 LLMの革新的な応用のおかげで、オブジェクトノードだけでなく、部屋ノードのような上位層のノードもインテリジェントで正確な方法でアノテートされる。
  論文  参考訳（メタデータ） (2025-03-19T10:40:28Z)
• CHOrD: Generation of Collision-Free, House-Scale, and Organized Digital Twins for 3D Indoor Scenes with Controllable Floor Plans and Optimal Layouts [21.63819006421225]
  室内3次元シーンをスケーラブルに合成するための新しいフレームワークであるCHOrDを紹介する。 ChorDは家庭規模の、衝突のない、階層的に構成された屋内デジタル双生児を作る。
  論文  参考訳（メタデータ） (2025-03-15T02:05:10Z)

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。