[論文レビュー] PANGeA: Procedural Artificial Narrative using Generative AI for Turn-Based Video Games

Steph Buongiorno, Lawrence J. Klinkert+3 more|arXiv (Cornell University)|Apr 30, 2024

Artificial Intelligence in Games被引用数 4

ひとこと要約

PANGeA は、自由入力のプレイヤー入力に対しても物語の一貫性を保ちながら、ターン制RPGにおける物語的で動的な会話と手続き的コンテンツを生成するための新しいフレームワークを提示する。パーソナリティに偏ったNPCとサーバーサイドのメモリーシステムを活用することで、物語の整合性を維持する。実証的評価により、2つのデモゲームにおいてLLMの応答が進化する物語に適切に一致することを示した。

ABSTRACT

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.

研究の動機と目的

• プレイヤーが自由入力を行う状況下でも、LLM駆動のターン制RPGにおける物語の一貫性を維持する課題に対処すること。
• 物語の一貫性を保ちながら、設定、アイテム、NPCを含む手続き的で多様なゲームコンテンツを生成すること。
• Big 5パーソナリティモデルを用いて、動的なパーソナリティに基づいたNPCとの対話を可能にすること。
• RESTとLLMインタフェースを備えたスケーラブルでゲームエンジンに依存しないシステムを構築すること。
• さまざまな入力条件下でも、LLMの応答が手続き的物語に適切に一致するかを検証すること。

提案手法

• PANGeA は、LLMによる応答を支援するための、サーバーでホストされるカスタムメモリーシステムを採用しており、物語的文脈を保存・取得する。
• LLM自身が応答を評価・フィルタリングすることで、現在の物語状態と整合性があるかを検証するメカニズムを導入している。
• NPCはBig 5モデルに基づくパーソナリティ特徴を有し、プロンプト工学を用いてその対話生成に影響を与える。
• ゲームエンジンとの統合を可能にするために、REST APIを介してリアルタイム通信を実現している。
• 柔軟なLLMインタフェースにより、パブリックおよびプライベート／ローカルLLMの両方をサポートしており、展開の柔軟性を高めている。
• ゲームデザイナーが提示する高レベルの設計基準に従って、LLMを用いて手続き的にゲームコンテンツ（設定、アイテム、NPC）を生成している。

実験結果

リサーチクエスチョン

• RQ1 自由入力のプレイヤー入力に直面した場合、LLMはターン制RPGにおいて物語的一貫性のある会話とコンテンツを生成できるか？
• RQ2 サーバーサイドのメモリーシステムは、動的なプレイヤー相互作用の間でも物語の一貫性を維持するためにどの程度効果的か？
• RQ3 パーソナリティに偏ったNPCは、手続き的ゲーム世界における没入感と物語的一貫性をどの程度向上させるか？
• RQ4 LLMベースの検証システムは、物語から逸脱した応答や無関係な応答をどの程度低減できるか？
• RQ5 PANGeA は標準化されたAPIを用いて、多様なゲームエンジンに効果的に統合できるか？

主な発見

• PANGeA は、予測不可能な自由入力のプレイヤー入力に対しても、物語の一貫性を効果的に維持している。
• サーバーサイドのメモリーシステムの統合により、LLMによる応答の文脈的関連性と継続性が顕著に向上した。
• パーソナリティに偏ったNPCは、進化する物語に適合したより没入的で一貫性のある対話を生成している。
• LLMベースの検証システムにより、リアルタイムでの出力のフィルタリングと再評価が行われ、逸脱した応答や無関係な応答が削減された。
• ブラウザベースのGPTデモとUnityベースのデモを用いた実証的評価により、PANGeA が一貫性があり動的な物語を生成する能力を有していることが確認された。
• RESTおよびLLMインタフェースの設計により、PANGeA はパブリックおよびプライベートLLMの両方とスケーラブルかつ互換性を有していることが示された。