A Survey on Large Language Model-Based Game Agents

游戏智能体的发展在推进人工通用智能（AGI）方面扮演着至关重要的角色。LLM和它们的多模态版本（MLLM）的进展为在复杂的计算机游戏环境中赋予游戏智能体类似于人类的决策能力提供了前所未有的机会。本文从整体的角度提供了LLM游戏智能体的全面概述。首先，我们介绍了基于LLM的游戏智能体的概念架构，围绕着六个基本的功能组件：感知、记忆、思考、角色扮演、行动和学习。其次，我们调查了文献中记录的现有代表性LLM游戏智能体在六种游戏类型中的方法论和适应性，包括冒险、交流、竞争、合作、模拟和制作与探索游戏。最后，我们提出了未来研究和发展方向的展望。相关论文的策划列表维护在以下网址并可供访问：https://github.com/git-disl/awesome-LLM-game-agent-papers。

论文旨在综述基于LLM的游戏智能体的发展现状，并探讨其在不同游戏类型中的应用和适应性。

论文提出了基于六个关键功能组件的LLM游戏智能体概念架构，并介绍了现有文献中代表性的LLM游戏智能体，重点关注其在不同游戏类型中的方法和适应性。

论文提供了一个综合的LLM游戏智能体的概念架构，并提供了一个包含相关论文的清单。此外，论文还介绍了现有文献中代表性的LLM游戏智能体，并探讨了其在不同游戏类型中的应用和适应性。

近年来，也有一些相关的研究，如“基于深度学习的游戏智能体研究综述”和“基于强化学习的游戏智能体研究综述”。