論文の概要: 90% Faster, 100% Code-Free: MLLM-Driven Zero-Code 3D Game Development

• arxiv url: http://arxiv.org/abs/2509.26161v1
• Date: Tue, 30 Sep 2025 12:14:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.532824
• Title: 90% Faster, 100% Code-Free: MLLM-Driven Zero-Code 3D Game Development
• Title（参考訳）: 90%高速で100%コードフリー:MLLM駆動のゼロコード3Dゲーム開発
• Authors: Runxin Yang, Yuxuan Wan, Shuqing Li, Michael R. Lyu,
• Abstract要約: 本稿では,ランナブルな3Dゲームのゼロコード開発を自然言語要求から自動化する,初のエンドツーエンド協調型マルチエージェントフレームワークUniGenを紹介する。 結果として、UniGenはユーザーからのコーディングを必要とせず、開発時間を91.4%削減することでゲーム作成を民主化している。
• 参考スコア（独自算出の注目度）: 35.877919141619614
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Developing 3D games requires specialized expertise across multiple domains, including programming, 3D modeling, and engine configuration, which limits access to millions of potential creators. Recently, researchers have begun to explore automated game development. However, existing approaches face three primary challenges: (1) limited scope to 2D content generation or isolated code snippets; (2) requirement for manual integration of generated components into game engines; and (3) poor performance on handling interactive game logic and state management. While Multimodal Large Language Models (MLLMs) demonstrate potential capabilities to ease the game generation task, a critical gap still remains in translating these outputs into production-ready, executable game projects based on game engines such as Unity and Unreal Engine. To bridge the gap, this paper introduces UniGen, the first end-to-end coordinated multi-agent framework that automates zero-coding development of runnable 3D games from natural language requirements. Specifically, UniGen uses a Planning Agent that interprets user requirements into structured blueprints and engineered logic descriptions; after which a Generation Agent produces executable C# scripts; then an Automation Agent handles engine-specific component binding and scene construction; and lastly a Debugging Agent provides real-time error correction through conversational interaction. We evaluated UniGen on three distinct game prototypes. Results demonstrate that UniGen not only democratizes game creation by requiring no coding from the user, but also reduces development time by 91.4%. We release UniGen at https://github.com/yxwan123/UniGen. A video demonstration is available at https://www.youtube.com/watch?v=xyJjFfnxUx0.
• Abstract（参考訳）: 3Dゲームの開発には、プログラミング、3Dモデリング、エンジン構成など、複数のドメインにまたがる専門知識が必要である。 近年,自動ゲーム開発の研究が進められている。 しかし,既存のアプローチでは,(1)2次元コンテンツ生成や孤立コードスニペットへのスコープの制限,(2)ゲームエンジンへのコンポーネント手動統合の要件,(3)対話型ゲームロジックと状態管理の処理性能の低下,という3つの課題に直面している。 MLLM(Multimodal Large Language Models)はゲーム生成作業を容易にする可能性を示しているが、これらの出力をUnityやUnreal Engineといったゲームエンジンをベースとしたプロダクション対応の実行可能なゲームプロジェクトに変換する際には、依然として重大なギャップが残っている。 このギャップを埋めるために,本論文では,ランナブルな3Dゲームのゼロコード開発を自然言語要求から自動化する,初のエンドツーエンド協調型マルチエージェントフレームワークであるUniGenを紹介する。 生成エージェントは実行可能なC#スクリプトを生成し、自動化エージェントはエンジン固有のコンポーネントバインディングとシーン構築を処理し、最後にデバッグエージェントは対話によるインタラクションを通じてリアルタイムエラー修正を提供する。 我々は3つの異なるゲームプロトタイプ上でUniGenを評価した。 結果として、UniGenはユーザーからのコーディングを必要とせず、開発時間を91.4%削減することでゲーム作成を民主化している。 UniGenはhttps://github.com/yxwan123/UniGenでリリースしています。 ビデオデモはhttps://www.youtube.com/watch? v=xyJjFfnxUx0。

関連論文リスト

• Hunyuan3D Studio: End-to-End AI Pipeline for Game-Ready 3D Asset Generation [85.68100076594197]
  Hunyuan3D Studioは、ゲーム制作パイプラインに革命をもたらすように設計された、エンドツーエンドのAIによるコンテンツ作成プラットフォームである。 中心となるHunyuan3D Studioは、高度なニューラルモジュールのスイートを、密着的でユーザフレンドリなシステムに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:33:03Z)
• ScriptDoctor: Automatic Generation of PuzzleScript Games via Large Language Models and Tree Search [3.608541939158718]
  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。
  論文  参考訳（メタデータ） (2025-06-06T20:40:19Z)
• Position: Interactive Generative Video as Next-Generation Game Engine [32.7449148483466]
  生成ゲームエンジン(GGE)の基礎として,対話型生成ビデオ(IGV)を提案する。 IGVのユニークな強みは、無制限の高品質なコンテンツ合成、物理を意識した世界モデリング、ユーザ制御の対話性、長期記憶能力、因果推論である。 私たちの研究は、AI時代のゲーム開発の新しいコースをグラフ化し、AIによる生成システムがゲームの作成と経験を根本的に変える未来を描いています。
  論文  参考訳（メタデータ） (2025-03-21T17:59:22Z)
• Playable Game Generation [22.17100581717806]
  本稿では,ゲームデータ生成,自動回帰型DiT拡散モデル,プレイヤビリティに基づく評価フレームワークなどを含むemphPlayGenを提案する。 PlayGenはリアルタイムインタラクションを実現し、十分な視覚的品質を確保し、正確なインタラクティブなメカニクスシミュレーションを提供する。
  論文  参考訳（メタデータ） (2024-12-01T16:53:02Z)
• Open Role-Playing with Delta-Engines [50.86533710515017]
  我々は,自己表現とロールプレイングを橋渡しする新たなゲームプレイスタイルを提案する。 私たちのビジョンは、現実の世界では、私たちは生まれてくると個々に似ていますが、その後に行う選択の結果として、ユニークなものへと成長します。 ORPGでは、プレイヤーに自然言語入力を通じて成長曲線を決定する自由を与え、最終的にはユニークなキャラクターとなる。
  論文  参考訳（メタデータ） (2024-08-11T18:32:29Z)
• 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)
• 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)

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。