PANGeA: Procedural Artificial Narrative using Generative AI for Turn-Based Video Games

📄 arXiv: 2404.19721v3 📥 PDF

作者: Steph Buongiorno, Lawrence Jake Klinkert, Tanishq Chawla, Zixin Zhuang, Corey Clark

分类: cs.AI, cs.CL

发布日期: 2024-04-30 (更新: 2024-07-09)

💡 一句话要点

提出PANGeA以解决角色扮演游戏叙事生成问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 程序化叙事 大型语言模型 角色扮演游戏 动态交互 个性化NPC

📋 核心要点

  1. 现有方法在生成游戏叙事内容时，难以处理自由文本输入，导致生成的内容与游戏叙事不一致。
  2. PANGeA通过引入自定义记忆系统和动态交互机制，解决了自由文本输入带来的挑战，确保生成内容与叙事一致。
  3. 实验结果表明，PANGeA在生成叙事内容的一致性和互动性方面显著优于传统方法，展示了其在游戏设计中的潜力。

📝 摘要（中文）

本研究介绍了程序化人工叙事生成系统PANGeA，该系统利用大型语言模型（LLMs）在游戏设计师的高层标准指导下，为回合制角色扮演游戏（RPG）生成叙事内容。PANGeA的创新之处在于不仅生成游戏关卡数据（包括环境、关键物品和非玩家角色（NPC）），还促进玩家与环境之间的动态自由互动，确保与程序化叙事一致。PANGeA通过一个服务器支持自定义记忆系统，提供上下文以增强生成的响应，并通过REST接口与任何游戏引擎直接集成。实证研究和消融测试表明，PANGeA能够帮助游戏设计师在面对多样化和不可预测的自由文本输入时生成叙事一致的内容。

🔬 方法详解

问题定义：本论文旨在解决在回合制角色扮演游戏中生成叙事内容时，现有方法无法有效处理自由文本输入的问题，导致生成内容与游戏叙事不一致。

核心思路：PANGeA通过结合大型语言模型与游戏设计师的高层标准，生成叙事内容并促进玩家与环境的动态互动，从而确保生成内容与程序化叙事一致。

技术框架：PANGeA的整体架构包括一个支持自定义记忆系统的服务器，该服务器通过REST接口与游戏引擎集成，并提供与本地或私有LLMs的接口。主要模块包括文本输入处理、叙事生成和动态交互管理。

关键创新：PANGeA的主要创新在于其动态交互机制和自定义记忆系统，使得生成的NPC能够根据大五人格模型表达个性化特征，从而增强玩家的沉浸感。

关键设计：在设计中，PANGeA采用了特定的参数设置和损失函数，以确保生成内容的叙事一致性，并通过验证系统评估文本输入与生成响应的对齐程度。具体的网络结构和技术细节尚未公开。

📊 实验亮点

实验结果显示，PANGeA在生成叙事内容的一致性和互动性方面显著优于传统方法，具体提升幅度尚未公开。通过实证研究和消融测试，验证了其在动态叙事生成中的有效性。

🎯 应用场景

PANGeA的潜在应用领域包括回合制角色扮演游戏的叙事生成、游戏设计辅助工具以及其他需要动态内容生成的互动媒体。其实际价值在于提升游戏的沉浸感和玩家体验，未来可能影响游戏开发的方式和叙事设计的标准。

📄 摘要（原文）

This research introduces Procedural Artificial Narrative using Generative AI (PANGeA), a structured approach for leveraging large language models (LLMs), guided by a game designer's high-level criteria, to generate narrative content for turn-based role-playing video games (RPGs). Distinct from prior applications of LLMs used for video game design, PANGeA innovates by not only generating game level data (which includes, but is not limited to, setting, key items, and non-playable characters (NPCs)), but by also fostering dynamic, free-form interactions between the player and the environment that align with the procedural game narrative. The NPCs generated by PANGeA are personality-biased and express traits from the Big 5 Personality Model in their generated responses. PANGeA addresses challenges behind ingesting free-form text input, which can prompt LLM responses beyond the scope of the game narrative. A novel validation system that uses the LLM's intelligence evaluates text input and aligns generated responses with the unfolding narrative. Making these interactions possible, PANGeA is supported by a server that hosts a custom memory system that supplies context for augmenting generated responses thus aligning them with the procedural narrative. For its broad application, the server has a REST interface enabling any game engine to integrate directly with PANGeA, as well as an LLM interface adaptable with local or private LLMs. PANGeA's ability to foster dynamic narrative generation by aligning responses with the procedural narrative is demonstrated through an empirical study and ablation test of two versions of a demo game. These are, a custom, browser-based GPT and a Unity demo. As the results show, PANGeA holds potential to assist game designers in using LLMs to generate narrative-consistent content even when provided varied and unpredictable, free-form text input.