論文の概要: OpenGame: Open Agentic Coding for Games

• arxiv url: http://arxiv.org/abs/2604.18394v1
• Date: Mon, 20 Apr 2026 15:17:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.965202
• Title: OpenGame: Open Agentic Coding for Games
• Title（参考訳）: OpenGame: ゲームのためのオープンエージェントコーディング
• Abstract要約: OpenGameは、エンド・ツー・エンドのWebゲーム作成用に明示的に設計された最初のオープンソースエージェントフレームワークである。 このフレームワークを使用するGameCoder-27Bは、ゲームエンジンのマスタリングに特化したLLMコードである。 OpenGame-Benchは、Build Health、Visual Usability、Intent Alignmentに沿ってエージェントゲーム生成をスコアする評価パイプラインである。
• 参考スコア（独自算出の注目度）: 18.670337884754577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Game development sits at the intersection of creative design and intricate software engineering, demanding the joint orchestration of game engines, real-time loops, and tightly coupled state across many files. While Large Language Models (LLMs) and code agents now solve isolated programming tasks with ease, they consistently stumble when asked to produce a fully playable game from a high-level design, collapsing under cross-file inconsistencies, broken scene wiring, and logical incoherence. We bridge this gap with OpenGame, the first open-source agentic framework explicitly designed for end-to-end web game creation. At its core lies Game Skill, a reusable, evolving capability composed of a Template Skill that grows a library of project skeletons from experience and a Debug Skill that maintains a living protocol of verified fixes - together enabling the agent to scaffold stable architectures and systematically repair integration errors rather than patch isolated syntax bugs. Powering this framework is GameCoder-27B, a code LLM specialized for game engine mastery through a three-stage pipeline of continual pre-training, supervised fine-tuning, and execution-grounded reinforcement learning. Since verifying interactive playability is fundamentally harder than checking static code, we further introduce OpenGame-Bench, an evaluation pipeline that scores agentic game generation along Build Health, Visual Usability, and Intent Alignment via headless browser execution and VLM judging. Across 150 diverse game prompts, OpenGame establishes a new state-of-the-art. We hope OpenGame pushes code agents beyond discrete software engineering problems and toward building complex, interactive real-world applications. Our framework will be fully open-sourced.
• Abstract（参考訳）: ゲーム開発は、クリエイティブデザインと複雑なソフトウェアエンジニアリングの交差点に位置し、ゲームエンジンのジョイントオーケストレーション、リアルタイムループ、多くのファイル間の密結合状態を要求する。 大規模言語モデル(LLM)とコードエージェントは、孤立したプログラミングタスクを容易な方法で解決する一方で、ハイレベルな設計から完全にプレイ可能なゲームを作成するように要求されたとき、クロスファイルの不整合、シーンの配線の破損、論理的不整合を常に中断する。 OpenGameは、エンド・ツー・エンドのWebゲーム作成用に明示的に設計された最初のオープンソースのエージェントフレームワークです。 Game Skillは、経験からプロジェクトのスケルトンライブラリを成長させるTemplate Skillと、検証済みの修正の生きたプロトコルを維持するDebug Skillで構成されている。 このフレームワークを利用するGameCoder-27Bは、ゲームエンジンの熟達を専門とするコードLLMで、連続的な事前トレーニング、教師付き微調整、実行時の強化学習の3段階のパイプラインを経由する。 インタラクティブなプレイ可能性の検証は、静的コードをチェックするよりも基本的に難しいので、ビルドヘルス、Visual Usability、Intent Alignmentに沿ってエージェントゲーム生成をスコアする評価パイプラインであるOpenGame-Benchについても、ヘッドレスブラウザの実行とVLM判定を通じて紹介する。 150以上の多様なゲームプロンプトで、OpenGameは新たな最先端技術を確立している。 OpenGameは、個別のソフトウェアエンジニアリングの問題を超えて、複雑なインタラクティブな現実世界のアプリケーションを構築するよう、コードエージェントを推し進めることを期待しています。 私たちのフレームワークは完全にオープンソースになります。

関連論文リスト

• GameXpert-Bench: How Far Are Coding Agents from Expert Game Development? [6.806647989372878]
  最近の大規模言語モデル(LLM)は、自然言語要求から完全なゲームを構築するコーディングエージェントとして動作する。 ゲーム開発は、プログラムロジック、ビジュアルおよびオーディオコンテンツ、インタフェース、インタラクション、プレイ容易性が一つの実行可能アーティファクトで一緒に機能する必要があるため、特に要求がある。 完全な人間エージェント開発軌跡の分析では,コーディングエージェントを用いてゲーム開発のライフサイクルにまたがる3つの段階を同定する。
  論文  参考訳（メタデータ） (2026-08-22T08:05:16Z)
• GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
  ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。 我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。 我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-16T12:34:39Z)
• GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents [76.60994803070436]
  GameWorldは、ブラウザ環境におけるマルチモーダル大言語モデル(MLLM)ゲームエージェントの評価のためのベンチマークである。 2つのゲームエージェントインタフェースが研究され、 (i) キーボードとマウスのコントロールを直接出力するコンピュータ利用エージェント、 (ii) セマンティックアクション空間で作用する汎用マルチモーダルエージェントが研究されている。 18組のモデルとインタフェースのペアによる結果は、最高のパフォーマンスエージェントでさえ、ビデオゲームで人間の能力を達成するには程遠いことを示唆している。
  論文  参考訳（メタデータ） (2026-04-08T17:49:03Z)
• GameDevBench: Evaluating Agentic Capabilities Through Game Development [49.19956546746812]
  ゲーム開発は、エージェントが本質的にマルチモーダル資産を操作しながら大きな密集物をナビゲートしなければならないようなテストベッドを提供する。 本稿では,ゲーム開発タスクにおけるエージェント評価のための最初のベンチマークであるGameDevBenchを紹介する。 エージェントは依然としてゲーム開発に苦戦しており、最高のエージェントは54.5%のタスクしか解決していない。
  論文  参考訳（メタデータ） (2026-02-11T18:15:11Z)
• Dreaming in Code for Curriculum Learning in Open-Ended Worlds [11.954246951892905]
  Dreaming in Code (DiCode)は、基礎モデルが環境コードを合成し、能力向上に向けて学習するフレームワークである。 DiCode in Craftaxは、リッチなメカニクスとロングホライゾンの進行を特徴とする、挑戦的なオープンエンドベンチマークです。 本研究は,プログラムレベルの環境設計がカリキュラム管理の実践的なメカニズムを提供し,オープンエンドの世界におけるコンピテンスギャップを埋める中間環境の構築を可能にすることを示唆する。
  論文  参考訳（メタデータ） (2026-02-09T01:24:40Z)
• Synergizing Code Coverage and Gameplay Intent: Coverage-Aware Game Playtesting with LLM-Guided Reinforcement Learning [4.3706127838450035]
  ゲーム・アズ・ア・サービス(Games as a Service)モデルは頻繁なコンテンツ更新を必要とする。 コード中心の手法は、ゲームプレイコンテキストを理解せずに構造的カバレッジに焦点を当てる。 ゲーム更新テストのための構造検証と機能検証を相乗化する新しいフレームワークSMARTを提案する。
  論文  参考訳（メタデータ） (2025-12-14T14:18:18Z)
• 90% Faster, 100% Code-Free: MLLM-Driven Zero-Code 3D Game Development [35.877919141619614]
  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。
  論文  参考訳（メタデータ） (2025-09-30T12:14:56Z)
• 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)
• Instruction-Driven Game Engine: A Poker Case Study [53.689520884467065]
  IDGEプロジェクトは、大規模言語モデルで自由形式のゲーム記述を追従し、ゲームプレイプロセスを生成することにより、ゲーム開発を民主化することを目的としている。 我々は、複雑なシナリオへ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。 我々の最初の進歩はポーカーのIDGEの開発であり、これは幅広いポーカーの変種をサポートするだけでなく、自然言語入力を通じて高度に個別化された新しいポーカーゲームを可能にする。
  論文  参考訳（メタデータ） (2024-10-17T11:16:27Z)
• 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)
• 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)

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。