論文の概要: Large Language Models in Game Development: Implications for Gameplay, Playability, and Player Experience

• arxiv url: http://arxiv.org/abs/2603.27896v1
• Date: Sun, 29 Mar 2026 22:30:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.164881
• Title: Large Language Models in Game Development: Implications for Gameplay, Playability, and Player Experience
• Title（参考訳）: ゲーム開発における大規模言語モデル:ゲームプレイ,プレイ容易性,プレイヤーエクスペリエンスへの示唆
• Authors: Keeryn Johnson, Muhammad Ahmed, Charlie Lang, Sahib Thethi, Wilson Zheng, Ronnie de Souza Santos,
• Abstract要約: 本稿では,大規模言語モデルの統合がゲーム開発におけるゲームプレイ,プレイ性,プレイ体験にどのように影響するかを検討する。 この研究は、生成的AI統合が確立されたゲーム構成をどのように再認識するかについての予備的な実証的な洞察を与え、ゲームエンジニアリングの実践の中で、新しいアーキテクチャと品質の考慮を導入する。
• 参考スコア（独自算出の注目度）: 2.2833627959494045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates how the integration of large language models influences gameplay, playability, and player experience in game development. We report a collaborative autoethnographic study of two game projects in which LLMs were embedded as architectural components. Reflective narratives and development artifacts were analyzed using gameplay, playability, and player experience as guiding constructs. The findings suggest that LLM integration increases variability and personalization while introducing challenges related to correctness, difficulty calibration, and structural coherence across these concepts. The study provides preliminary empirical insight into how generative AI integration reshapes established game constructs and introduces new architectural and quality considerations within game engineering practice.
• Abstract（参考訳）: 本稿では,大規模言語モデルの統合がゲーム開発におけるゲームプレイ,プレイ性,プレイ体験にどのように影響するかを検討する。 LLMを建築部品として組み込んだ2つのゲームプロジェクトについて,協調的な自己エスノグラフィー研究を行った。 ゲームプレイ,プレイヤビリティ,プレイヤエクスペリエンスを指導構造として,リフレクティブな物語と開発アーティファクトを分析した。 その結果, LLM 統合は, これらの概念の正しさ, 校正困難, 構造的コヒーレンスに関連する課題を導入しながら, 多様性とパーソナライズを高めることが示唆された。 この研究は、生成的AI統合が確立されたゲーム構成をどのように再認識するかについての予備的な実証的な洞察を与え、ゲームエンジニアリングの実践の中で、新しいアーキテクチャと品質の考慮を導入する。

関連論文リスト

• Grounding Machine Creativity in Game Design Knowledge Representations: Empirical Probing of LLM-Based Executable Synthesis of Goal Playable Patterns under Structural Constraints [0.8594140167290097]
  ゴールパターンは、ゲームプレイ現象を記述するための構造化された表現を提供する。 Goal Playable Concepts (GPC)は、これらの抽象化を再生可能なUnityエンジンの実装として運用する。 エンジンレベルの構造制約の下で,現代大規模言語モデル (LLM) がこのような合成を行うことができるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-03-07T08:24:47Z)
• Evaluating Quality of Gaming Narratives Co-created with AI [1.3320917259299652]
  本稿では,文献や専門家の知見からストーリー品質の次元を合成し,それらがプレイヤーの満足度に与える影響を理解するために,Kanoモデルフレームワークにマッピングする。 その結果、ゲーム開発者に対して、生成AIと共同でゲーム物語を作成する際の品質面の優先順位付けについて通知することができる。
  論文  参考訳（メタデータ） (2025-09-04T14:13:42Z)
• 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)
• Model as a Game: On Numerical and Spatial Consistency for Generative Games [117.36098212829766]
  本稿では,モデル・アズ・ア・ゲーム(MaaG)のメカニズムを十分に構築した上で,モデル・アズ・ア・ゲーム(MaaG)を真に構成するものを探るため,生成ゲームのパラダイムを再考する。 DiTアーキテクチャに基づいて,(1) LogicNetを統合してイベントトリガを決定する数値モジュール,(2) 探索領域のマップを維持する空間モジュール,(2) 生成中の位置情報を検索して連続性を確保する,という2つの特殊なモジュールを設計する。
  論文  参考訳（メタデータ） (2025-03-27T05:46:15Z)
• SyDRA: An Approach to Understand Game Engine Architecture [2.5491998280343555]
  本稿では,ゲームエンジンアーキテクチャの理解を支援するために,サブシステム依存回復アプローチ(SyDRA)を提案する。 SyDRAはゲームエンジン開発者がゲームエンジンアーキテクチャを理解し、ゲームエンジンの開発に情報を与えるのに役立つ。 我々は,SyDRAにより,設計上の理解や影響分析に関連するタスクを,これらのモデルなしでより少ない時間で,高精度に完了させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-08T14:40:29Z)
• Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
  本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。 ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。 我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2023-07-19T18:19:23Z)
• SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
  我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。 実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。 我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
  論文  参考訳（メタデータ） (2023-05-24T18:14:35Z)
• Improving Sample Efficiency of Value Based Models Using Attention and Vision Transformers [52.30336730712544]
  性能を犠牲にすることなくサンプル効率を向上させることを目的とした深層強化学習アーキテクチャを提案する。 状態表現の特徴マップ上の自己注意機構を変換器を用いて学習する視覚的注意モデルを提案する。 我々は,このアーキテクチャがいくつかのAtari環境におけるサンプルの複雑さを向上すると同時に,いくつかのゲームにおいて優れたパフォーマンスを実現することを実証的に実証した。
  論文  参考訳（メタデータ） (2022-02-01T19:03:03Z)
• Deep Policy Networks for NPC Behaviors that Adapt to Changing Design Parameters in Roguelike Games [137.86426963572214]
  例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。 複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-12-07T08:47:25Z)

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。