論文の概要: RIGen: Beyond Action Following with Reciprocal Interaction in Generative Gameplay

• arxiv url: http://arxiv.org/abs/2610.20811v1
• Date: Wed, 14 Oct 2026 18:57:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.028249
• Title: RIGen: Beyond Action Following with Reciprocal Interaction in Generative Gameplay
• Title（参考訳）: RIGen: ジェネレーティブゲームプレイにおける相互インタラクションによるアクションの他に
• Abstract要約: rigは、ジェネレーティブゲームプレイにおける相互相互作用のフレームワークである。 rigは永続的な状態とルール、コンテキスト間相互作用推論、アクション条件のオーディオビジュアル生成を組み合わせたものだ。 リガレナ(rigarena)は、FPS(インタラクティブ・ジェネレーティブ・ファーストパーソン・シューティング)のプロトタイプである。
• 参考スコア（独自算出の注目度）: 57.52613244510983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative gameplay requires more than immediate responses to player actions.Actions should have persistent consequences, while the generated world should act according to its own state and rules, shaping the player's situation and subsequent choices. Video generation captures local dynamics, but limited history, partially observed game state, and the need for contextual behavior decisions make such interactions difficult to sustain through audiovisual prediction alone. We introduce \rig (Reciprocally Interactive Generation), a framework for reciprocal interaction in generative gameplay. \rig combines persistent state and configurable rules, contextual interaction reasoning, and action-conditioned audiovisual generation. Together, these components make interaction consequences and actor behavior jointly determine generated content while maintaining consistency between game state and visible outcomes. We construct a Xonotic gameplay dataset to train an audiovisual generator for learning dynamics and interactions. Further post-training enables \rigarena, an interactive generative first-person shooter (FPS) prototype. Experiments demonstrate more reliable combat outcomes and reciprocal interaction between the player and the generated world. Project page: https://murphylmf.github.io/RIGen/.
• Abstract（参考訳）: 生成ゲームプレイはプレイヤーのアクションに対する即時応答以上のものを必要とし、アクションは永続的な結果をもたらすべきであり、生成された世界は自身の状態とルールに従って行動し、プレイヤーの状況とその後の選択を形成するべきである。 ビデオ生成は、ローカルなダイナミクスをキャプチャするが、履歴が限られており、部分的に観察されるゲーム状態であり、文脈的行動決定の必要性は、オーディオ視覚予測だけではそのような相互作用を維持するのを困難にしている。 生成ゲームプレイにおける相互相互作用のためのフレームワークである \rig (Reciprocally Interactive Generation) を導入する。 \rigは、永続的な状態と設定可能なルール、コンテキスト間相互作用推論、アクション条件付きオーディオビジュアル生成を組み合わせたものだ。 これらのコンポーネントは、相互作用の結果を出し、アクターの振る舞いは、ゲーム状態と可視的な結果との一貫性を維持しながら、生成したコンテンツを共同で決定する。 我々はXonoticゲームプレイデータセットを構築し、ダイナミックスとインタラクションを学習するためのオーディオヴィジュアルジェネレータを訓練する。 さらなるポストトレーニングにより、対話型生成ファーストパーソンシューティング(FPS)のプロトタイプである \rigarena が利用可能になった。 実験は、プレイヤーと生成された世界の間のより信頼性の高い戦闘結果と相互の相互作用を示す。 プロジェクトページ:https://murphylmf.github.io/RIGen/。

関連論文リスト

• GameWAM: A World Action Model for Video Games [36.43342575951464]
  我々は,ネイティブなクローズドループゲームプレイとGUI制御のための WAM について,我々の知る限り,GameWAM を紹介した。 協調した世界行動学習を支援するために,ゲームプレイとGUIトラジェクトリを構築した。 実験では、比較されたエージェントよりも実行されたネイティブアクションが少なく、競争力のあるタスク成功を示す。
  論文  参考訳（メタデータ） (2026-08-25T17:21:15Z)
• From Pixels to States: Rethinking Interactive World Models as Game Engines [32.66997200688335]
  本稿では,プレイヤアクションコントロール,ゲーム状態のダイナミクス,状態の持続性,リアルタイムのインタラクティブ生成という4つの側面によるインタラクティブなゲームワールドモデリングについて検討する。 我々はBlack Myth: Wukong用のスケーラブルなデータエンジンを提案し、90時間以上のゲームプレイを、フレーム整列プレーヤーアクション、グラウンドトゥルースゲームステート、視覚的観察で収集する。
  論文  参考訳（メタデータ） (2026-07-15T17:48:48Z)
• MultiGen: Level-Design for Editable Multiplayer Worlds in Diffusion Game Engines [55.641812280108574]
  ユーザアクションによって継続的に更新され,世代別ロールアウトを通じてクエリされるシステムに,明示的な外部メモリを導入する。 この設計により、ユーザーは編集可能なメモリ表現を通じて環境構造を直接、編集可能な制御を行うことができる。 コヒーレントな視点と一貫したクロスプレイヤーインタラクションを備えた、リアルタイムマルチプレイヤーロールアウトに自然に拡張する。
  論文  参考訳（メタデータ） (2026-03-03T18:58:17Z)
• Astra: General Interactive World Model with Autoregressive Denoising [73.6594791733982]
  Astraはインタラクティブな汎用世界モデルであり、多様なシナリオのために現実世界の未来を生成する。 本稿では,自己回帰型認知型アーキテクチャを提案し,時間的因果的注意を用いて過去の観測を集約する。 Astraはインタラクティブで一貫性があり、一般的な長期的なビデオ予測を実現し、様々な形式のインタラクションをサポートする。
  論文  参考訳（メタデータ） (2025-12-09T18:59:57Z)
• Hunyuan-GameCraft-2: Instruction-following Interactive Game World Model [19.937724706042804]
  Hunyuan-GameCraft-2は生成ゲームワールドモデリングのための命令駆動インタラクションの新しいパラダイムである。 我々のモデルでは,自然言語のプロンプトやキーボード,マウスの信号を通じてゲーム映像のコンテンツを制御することができる。 本モデルでは,時間的コヒーレントかつ因果的な対話型ゲームビデオを生成する。
  論文  参考訳（メタデータ） (2025-11-28T18:26:39Z)
• Hunyuan-GameCraft: High-dynamic Interactive Game Video Generation with Hybrid History Condition [18.789597877579986]
  Hunyuan-GameCraftは、ゲーム環境におけるハイダイナミックなインタラクティブなビデオ生成のための新しいフレームワークである。 アクション制御をきめ細かいものにするため,標準キーボードとマウス入力を共有カメラ表現空間に統合する。 本稿では,ゲームシーン情報を保存しながら,映像シーケンスを自動回帰的に拡張するハイブリッド履歴条件学習手法を提案する。
  論文  参考訳（メタデータ） (2025-06-20T17:50:37Z)
• STORY2GAME: Generating (Almost) Everything in an Interactive Fiction Game [15.427907377465685]
  STORY2GAMEはテキストベースのインタラクティブフィクションゲームを生成するための新しいアプローチである。 まず、ストーリーを生成し、世界をポップアップさせ、インタラクティブにストーリーをプレイできるゲームエンジンにアクションのためのコードを構築する。 我々は、プレイヤーが生成したストーリー全体を通してインタラクティブにプレイできるかどうかに関して、アクションコード生成の成功率を評価する。
  論文  参考訳（メタデータ） (2025-05-06T14:00:41Z)
• Ready-to-React: Online Reaction Policy for Two-Character Interaction Generation [82.73098356401725]
  本稿では,過去観測された動きに基づいて次のキャラクターのポーズを生成するためのオンライン反応ポリシーであるReady-to-Reactを提案する。 各キャラクターは独自の反応ポリシーを「脳」として持っており、実際の人間のようにストリーミングで対話することができる。 われわれのアプローチはスパース信号で制御でき、VRや他のオンラインインタラクティブ環境にも適している。
  論文  参考訳（メタデータ） (2025-02-27T18:40:30Z)
• Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
  本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。 ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
  論文  参考訳（メタデータ） (2020-05-25T14:10:17Z)

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。