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

这项研究介绍了一种名为PANGeA的程序化人工叙事方法，利用大型语言模型（LLMs）和游戏设计师的高级标准来生成回合制角色扮演游戏（RPG）的叙事内容。与先前应用于游戏设计的LLMs不同，PANGeA的创新之处在于不仅生成游戏级别数据（包括但不限于设置、关键物品和非玩家角色（NPCs）），而且还促进了与程序化游戏叙事相一致的玩家和环境之间的动态、自由形式的交互。PANGeA生成的NPCs具有个性偏见，并在其生成的响应中表达了五大人格模型的特征。PANGeA解决了摄入自由形式文本输入所面临的挑战，这可能会引起LLM响应超出游戏叙事的范围。一种新颖的验证系统使用LLM的智能评估文本输入，并将生成的响应与正在展开的叙事相一致。为了使这些交互成为可能，PANGeA由一个支持自定义内存系统的服务器支持，该系统为增强生成的响应提供上下文，从而将它们与程序化叙事相一致。为了广泛应用，该服务器具有REST接口，使任何游戏引擎都可以直接集成到PANGeA中，并具有适应本地或私有LLMs的LLM接口。通过对演示游戏的两个版本进行实证研究和消融测试，即基于浏览器的自定义GPT和Unity演示，展示了PANGeA通过将响应与程序化叙事相一致来促进动态叙事生成的能力。结果表明，即使提供了各种各样的、不可预测的自由形式文本输入，PANGeA也有潜力帮助游戏设计师使用LLMs生成与叙事一致的内容。

论文旨在提出一种名为PANGeA的结构化方法，利用大型语言模型（LLMs）生成回合制角色扮演视频游戏（RPG）的叙事内容，并解决自由形式文本输入对LLMs响应的挑战。

PANGeA不仅生成游戏级别数据，而且促进了玩家与环境之间的动态自由互动，使其与程序化游戏叙事相一致。PANGeA生成的NPC具有人格特征，并在生成的响应中表达了大五人格模型的特征。

论文提出了一个新颖的验证系统，使用LLM的智能评估文本输入，并将生成的响应与正在展开的叙事相一致。PANGeA通过支持一个服务器来实现动态叙事生成，该服务器拥有一个自定义的内存系统，为生成的响应提供上下文以使其与程序化叙事相一致。PANGeA具有REST接口和适应本地或私有LLMs的LLM接口，可与任何游戏引擎直接集成。

与本文相关的研究包括使用LLMs进行游戏设计的应用程序，以及使用大数据生成游戏内容的研究。类似的研究还包括使用机器学习生成游戏关卡和角色，以及使用自然语言处理技术自动生成游戏内容。