論文の概要: Automated Unity Game Template Generation from GDDs via NLP and Multi-Modal LLMs

• arxiv url: http://arxiv.org/abs/2509.08847v1
• Date: Sun, 07 Sep 2025 21:53:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.069596
• Title: Automated Unity Game Template Generation from GDDs via NLP and Multi-Modal LLMs
• Title（参考訳）: NLPおよびマルチモードLCMによるGDDからのゲームテンプレート自動生成
• Authors: Amna Hassan,
• Abstract要約: 本稿では,NLP(Natural Language Processing)とLLM(Multi-modal Large Language Models)を用いたゲームテンプレートの自動生成フレームワークを提案する。 本稿では,ゲームデザイン文書(GDD)を解析し,構造化されたゲーム仕様を抽出するエンド・ツー・エンドシステムを提案する。 設計資料で定義されたコアメカニクス、システム、アーキテクチャを実装した、Unity互換のC#コードを合成します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a novel framework for automated game template generation by transforming Game Design Documents (GDDs) into functional Unity game prototypes using Natural Language Processing (NLP) and multi-modal Large Language Models (LLMs). We introduce an end-to-end system that parses GDDs, extracts structured game specifications, and synthesizes Unity-compatible C# code that implements the core mechanics, systems, and architecture defined in the design documentation. Our approach combines a fine-tuned LLaMA-3 model specialized for Unity code generation with a custom Unity integration package that streamlines the implementation process. Evaluation results demonstrate significant improvements over baseline models, with our fine-tuned model achieving superior performance (4.8/5.0 average score) compared to state-of-the-art LLMs across compilation success, GDD adherence, best practices adoption, and code modularity metrics. The generated templates demonstrate high adherence to GDD specifications across multiple game genres. Our system effectively addresses critical gaps in AI-assisted game development, positioning LLMs as valuable tools in streamlining the transition from game design to implementation.
• Abstract（参考訳）: 本稿では,ゲームデザイン文書(GDD)をNLP(Natural Language Processing)とLLM(Multi-modal Large Language Models)を用いた関数型Unityゲームプロトタイプに変換することで,ゲームテンプレートの自動生成を実現する新しいフレームワークを提案する。 本稿では、GDDを解析し、構造化されたゲーム仕様を抽出し、設計資料に定義されたコアメカニクス、システム、アーキテクチャを実装するUnity互換C#コードを合成するエンド・ツー・エンドシステムを提案する。 我々のアプローチは、Unityコード生成に特化した微調整のLLaMA-3モデルと、実装プロセスを合理化するカスタムのUnity統合パッケージを組み合わせています。 評価結果は,コンパイル成功,GDD順守,ベストプラクティス適用,コードのモジュラリティ指標など,最先端のLCMよりも優れた性能(平均スコア4.8/5.0)を達成し,ベースラインモデルよりも大幅に改善されたことを示す。 生成されたテンプレートは、複数のゲームジャンルにまたがるGDD仕様に高い準拠性を示す。 我々のシステムは,ゲームデザインから実装への移行を合理化する上で,LLMを有用なツールとして位置づける,AI支援ゲーム開発における重要なギャップを効果的に解決する。

関連論文リスト

• GVGAI-LLM: Evaluating Large Language Model Agents with Infinite Games [8.640618631999173]
  GVGAI-LLMは,大規模言語モデル(LLM)の推論と問題解決能力を評価するためのゲームベンチマークである。 General Video Game AIフレームワーク上に構築され、既存のLLMベンチマークとは異なるタスクを処理するモデルの能力をテストするために設計された、アーケードスタイルのゲームの多種多様なコレクションを備えている。
  論文  参考訳（メタデータ） (2025-08-11T22:17:07Z)
• Type-Constrained Code Generation with Language Models [51.03439021895432]
  本稿では,型システムを利用してコード生成を誘導する型制約デコード手法を提案する。 そこで本研究では,新しい接頭辞オートマトンと,在来型を探索する手法を開発し,LLM生成コードに適切な型付けを強制するための健全なアプローチを構築した。 提案手法は,コード合成,翻訳,修復作業において,コンパイルエラーを半分以上削減し,機能的正しさを著しく向上させる。
  論文  参考訳（メタデータ） (2025-04-12T15:03:00Z)
• Cardiverse: Harnessing LLMs for Novel Card Game Prototyping [9.029874576285085]
  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、これらのプロセスを自動化する機会を提供する。 本稿では,総合的な自動カードゲームプロトタイピングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-10T23:47:35Z)
• Align$^2$LLaVA: Cascaded Human and Large Language Model Preference Alignment for Multi-modal Instruction Curation [56.75665429851673]
  本稿では,人間とLLMの選好アライメントという2つのユニークな視点から導いた,新しい命令キュレーションアルゴリズムを提案する。 実験により,合成マルチモーダル命令を最大90%圧縮することにより,モデル性能の維持や改善が可能であることが示された。
  論文  参考訳（メタデータ） (2024-09-27T08:20:59Z)
• ULLME: A Unified Framework for Large Language Model Embeddings with Generation-Augmented Learning [72.90823351726374]
  我々は,LLM間の双方向の注目を可能にする,柔軟でプラグアンドプレイな実装であるLULME(Unified framework for Large Language Model Embedding)を紹介した。 また,テキスト埋め込みタスクのLLMを向上する新しい微調整手法であるGRL(Generation-augmented Representation Learning)を提案する。 フレームワークの柔軟性と有効性を示すために、異なるバックボーンアーキテクチャを持つULLMEから事前訓練された3つのモデルをリリースする。
  論文  参考訳（メタデータ） (2024-08-06T18:53:54Z)
• Design2Code: Benchmarking Multimodal Code Generation for Automated Front-End Engineering [74.99736967448423]
  私たちは、このタスクのための最初の実世界のベンチマークであるDesign2Codeを構築します。 テストケースとして484の多様な実世界のWebページを手作業でキュレートし、自動評価指標のセットを開発する。 我々の詳細なブレークダウンメトリクスは、入力されたWebページから視覚要素をリコールし、正しいレイアウト設計を生成するモデルがほとんど遅れていることを示している。
  論文  参考訳（メタデータ） (2024-03-05T17:56:27Z)
• 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)
• GameGPT: Multi-agent Collaborative Framework for Game Development [10.8750049774263]
  大規模言語モデル(LLM)ベースのエージェントは、ソフトウェア開発プロセスの自動化と高速化の能力を示した。 本稿では,ゲーム開発を自動化するマルチエージェント協調フレームワークGameGPTを提案する。
  論文  参考訳（メタデータ） (2023-10-12T06:31:43Z)

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。