論文の概要: PlayWrite: A Multimodal System for AI Supported Narrative Co-Authoring Through Play in XR
- arxiv url: http://arxiv.org/abs/2603.02366v1
- Date: Mon, 02 Mar 2026 20:11:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-04 21:38:10.533134
- Title: PlayWrite: A Multimodal System for AI Supported Narrative Co-Authoring Through Play in XR
- Title（参考訳）: PlayWrite: XRでのプレイを通じてナラティブな共認証をサポートするAIのためのマルチモーダルシステム
- Authors: Esen K. Tütüncü, Qian Zhou, Frederik Brudy, George Fitzmaurice, Fraser Anderson,
- Abstract要約: 仮想キャラクタと小道具を直接操作することで,ユーザがストーリーを作成できる混合現実システムであるPlayWriteを紹介する。
マルチエージェントAIパイプラインは、これらのアクションをIntent Framesに解釈する。
- 参考スコア（独自算出の注目度）: 15.355161864831432
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current AI writing tools, which rely on text prompts, poorly support the spatial and interactive nature of storytelling where ideas emerge from direct manipulation and play. We present PlayWrite, a mixed-reality system where users author stories by directly manipulating virtual characters and props. A multi-agent AI pipeline interprets these actions into Intent Frames -structured narrative beats visualized as rearrangeable story marbles on a timeline. A large language model then transforms the user's assembled sequence into a final narrative. A user study (N=13) with writers from varying domains found that PlayWrite fosters a highly improvisational and playful process. Users treated the AI as a collaborative partner, using its unexpected responses to spark new ideas and overcome creative blocks. PlayWrite demonstrates an approach for co-creative systems that move beyond text to embrace direct manipulation and play as core interaction modalities.
- Abstract（参考訳）: テキストのプロンプトに依存する現在のAI記述ツールは、アイデアが直接操作やプレイから生まれる、ストーリーテリングの空間的およびインタラクティブな性質を不十分にサポートしている。
仮想キャラクタと小道具を直接操作することで,ユーザがストーリーを作成できる混合現実システムであるPlayWriteを紹介する。
マルチエージェントAIパイプラインは、これらのアクションをIntent Framesに解釈する。
そして、大きな言語モデルがユーザの組み立てされたシーケンスを最終的な物語に変換する。
さまざまなドメインのライターによるユーザスタディ(N=13)では、PlayWriteが極めて即興的で遊び心のあるプロセスを促進することが判明した。
ユーザーはAIを協力的なパートナーとして扱い、予期せぬ反応を使って新しいアイデアを刺激し、創造的なブロックを克服した。
PlayWriteは、テキストを超えて直接操作を受け入れ、コアインタラクションのモダリティとして再生する、共同創造システムのためのアプローチを実証している。
関連論文リスト
- Elsewise: Authoring AI-Based Interactive Narrative with Possibility Space Visualization [23.460775222928635]
生成AIは、事前に書かれたコンテンツを即興で拡張することで、新しい形式の対話的物語(IN)を可能にする。
ElsewiseはAIベースのINのためのオーサリングツールで、新しいBundled Storylineの概念を実装しています。
ユーザスタディでは,本手法がプレイヤー体験型物語の著者予想を改善することを示し,物語可能性空間のより効果的な制御と探索に繋がることを示した。
論文 参考訳（メタデータ） (2025-12-21T02:06:03Z) - RoboOmni: Proactive Robot Manipulation in Omni-modal Context [165.09049429566238]
我々は,音声対話や環境音,視覚的手がかりから意図を導出する,クロスモーダルな文脈指示を導入する。
目的認識,インタラクション確認,アクション実行を統一する,エンドツーエンドのOmni-Modal LLMに基づくフレームワークであるRoboOmniを提案する。
シミュレーションと実世界の設定の実験では、Robo OmniはテキストベースとASRベースのベースラインを越え、成功率、推論速度、意図認識、積極的に支援している。
論文 参考訳（メタデータ） (2025-10-27T18:49:03Z) - 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) - WhatELSE: Shaping Narrative Spaces at Configurable Level of Abstraction for AI-bridged Interactive Storytelling [11.210282687859534]
WhatELSEはAIでブリッジされたINオーサリングシステムで、例題から物語可能性空間を生成する。
我々は,WhatELSEによって著者が物語空間を知覚し,編集し,プレイ時に対話的な物語を生成することができることを示す。
論文 参考訳（メタデータ） (2025-02-25T21:02:15Z) - Towards Enhanced Immersion and Agency for LLM-based Interactive Drama [55.770617779283064]
本論文は,対話型ドラマを2つの側面から理解することから始まる:没入感,プレイヤーの物語への参加感,エージェンシーである。
これら2つの側面を強化するために,我々はまず,LLMが劇的なストーリーを製作し,構造と物語の質を大幅に向上させる新しい手法であるPlaywriting-Guided Generationを提案する。
論文 参考訳（メタデータ） (2025-02-25T06:06:16Z) - Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。
エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
論文 参考訳（メタデータ） (2024-10-03T15:44:42Z) - 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) - NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。
我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。
ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
論文 参考訳（メタデータ） (2023-10-02T13:24:00Z) - Telling Creative Stories Using Generative Visual Aids [52.623545341588304]
私たちはライターに、開始プロンプトからクリエイティブなストーリーを書くように頼み、同じプロンプトから生成するAIモデルによって生成されたビジュアルを提供した。
コントロールグループと比較すると、ビジュアルをストーリー・ライティング・アシストとして使用した作家は、より創造的で、オリジナルで、完全で、視覚的にできるストーリーを著した。
発見は、AIによる横断的なモダリティ入力は、人間とAIの共創において創造性の異なる側面に利益をもたらすが、収束する思考を妨げることを示している。
論文 参考訳（メタデータ） (2021-10-27T23:13:47Z) - Wordcraft: a Human-AI Collaborative Editor for Story Writing [10.028560442375914]
本稿では,著者と対話システムが協調してストーリーを書く,ストーリー執筆のためのAI支援エディタであるWordcraftを提案する。
我々の新しいインターフェースは、様々なインタラクションをサポートするために、数ショットの学習と会話の自然な余裕を使用します。
論文 参考訳（メタデータ） (2021-07-15T16:18:27Z) - Deep Reinforcement Learning with Stacked Hierarchical Attention for
Text-based Games [64.11746320061965]
自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。
エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。
提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
論文 参考訳（メタデータ） (2020-10-22T12:40:22Z)
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。