RPGAgent：利用基于LLM的多智能体系统驱动连贯的故事-Play生成

文献标题

RPGAgent: Driving Coherent Story-to-Play Generation with an LLM-Based Multi-Agent System

出版信息

• 主题领域: 使用多智能体系统进行RPG原型设计的AI辅助游戏设计。
• 关键词: RPGAgent，多智能体系统，LLMs，程序化内容生成，游戏设计，叙事生成，场景生成，机制实现，共创工具，元素四分法。

背景与问题

• 问题/挑战: 现有的生成式AI在游戏设计中难以将多种创意元素（叙事、机制、美学、技术）整合为一个连贯的整体。单一的LLM模型通常无法保持跨领域的一致性，而新手设计师在原型设计过程中解决这些不一致性时面临重大障碍。
• 重要性: 在游戏组件之间实现一致性对于创建沉浸式和可信的RPG至关重要。解决这一挑战可以降低新手设计师的门槛，并加速原型设计过程。
• 动机与相关工作: 之前的研究探索了LLMs在叙事和视觉内容生成中的应用，以及程序化内容生成（PCG）在空间设计中的使用。然而，这些方法通常聚焦于游戏设计的单一方面，缺乏整体整合，并且未能为新手创作者提供结构化的工作流程。多智能体系统在其他领域表现出潜力，但在游戏开发中仍未被充分探索。

解决方案

• 提出的方法: RPGAgent，一个结合LLMs和PCG技术的多智能体系统，用于将高层次的故事提纲转化为连贯的、可玩的RPG原型。
• 创新点:
  1. 在游戏引擎中嵌入基于LLM的多智能体协作以加速RPG原型设计。
  2. 实现元素四分法框架，确保叙事、美学、机制和技术之间的一致性。
  3. 结合PCG技术与模块化工作流程，增强空间多样性和结构连贯性。
  4. 展示了一个结构化的“从故事到游戏”管道，连接抽象叙事与交互式原型。
• 流程与关键技术:
  1. 叙事生成: 将用户提示转化为结构化的叙事框架，包括世界设定、角色简介和情节步骤。
  2. 场景生成: 使用PCG技术创建与叙事步骤一致的空间环境，包括地形生成、资产放置和语义标注。
  3. 机制实现: 基于叙事和空间输入定义游戏机制，并通过约束模板生成可执行代码。
  4. 系统集成: 将Unity前端与Python后端结合，实现实时交互、模块化智能体协作和迭代优化。

结果

• 具体发现:
  • 在用户体验（UEQ: 5.047 vs. 3.836, p < 0.001）和创意支持（CSI: 5.233 vs. 4.406, p < 0.001）方面，RPGAgent显著优于GPT辅助基线。
  • 参与者在效率、探索性和趣味性等维度上对RPGAgent的评价更高。
• 相较基线的优势: RPGAgent提供了一个无缝集成的工作流程，自动化了从叙事到可玩原型的转变，减少了与基线相比的手动干预和工具切换需求。
• 实验/评估:
  • 进行了一项包含18名参与者（性别和设计背景均衡）的组内研究。
  • 将RPGAgent与使用Unity Tilemap和GPT-4o进行手动集成的基线工作流程进行了比较。
  • 通过调查问卷测量用户体验（UEQ）和创意支持（CSI），并辅以定性访谈和交互日志。
• 局限性与未来工作:
  • 框架目前针对叙事驱动的RPG进行了优化，可能无法泛化到以机制为主的游戏类型。
  • 代码生成受限于模板实例化，灵活性有限。
  • 研究参与者主要为学生，评估时间较短；未来工作应包括多样化的用户群体和长期研究。

总结

RPGAgent引入了一个多智能体系统，将LLMs和PCG技术整合在一起，将高层次的故事提纲转化为连贯的、可玩的RPG原型。通过利用元素四分法框架，该系统确保了叙事、美学、机制和技术之间的一致性。一项用户研究表明，与GPT辅助基线相比，该系统在效率、探索性和趣味性方面显著提升。尽管该系统有效支持了新手设计师并加速了原型设计，但未来工作将致力于扩展其在其他游戏类型中的适用性，增强代码生成的灵活性，并提升对多样化用户群体的可用性。