재귀적 게임 생성기: 에이전트 기반 제품 수준 경험 중심의 게임 구현체
요약
본 논문은 에이전트 기반 게임 개발의 한계를 극복하기 위해 'Recursive Game Creator'라는 경험 중심의 구현체를 제시합니다. 이 시스템은 Designer, Builder, Player, Reviewer 네 가지 구성 요소를 중심으로 재귀적 개발 루프를 조직하여, 단순 프로토타입을 재미있는 게임으로 발전시킵니다. 이를 통해 효율적인 플레이 궤적 수집과 체계적인 평가 기반 개선이 가능함을 입증했습니다.
핵심 포인트
- 재귀적 개발 구조: Designer-Builder-Player-Reviewer의 순환 루프를 사용합니다.
- 효율적인 데이터 수집: Player가 정책 생성을 통해 다양한 게임플레이 궤적을 효율적으로 수집합니다.
- 체계적인 평가 시스템: Reviewer는 궤적 기반 지표와 명시적 선호도를 통합하여 게임을 평가합니다.
- 성능 입증: GameCraft-Bench 및 GameASG-Bench에서 높은 성능 향상을 기록했습니다.
최근 게임 디자인 에이전트는 플레이 가능한 게임을 생성하는 데 상당한 발전을 이루었습니다. 하지만 프로그램의 정확성이 플레이어에게 즐거운 경험을 보장하지는 못합니다. 우리는 에이전트 기반 게임 개발을 단순한 게임 프로토타입에서 재미있는 게임으로 발전시키기 위한 경험 중심의 구현체인 Recursive Game Creator를 제시합니다. Recursive Game Creator는 네 가지 구성 요소, 즉 Designer, Builder, Player, Reviewer를 중심으로 재귀적 개발을 조직합니다. Designer는 사용자 지침과 Reviewer의 피드백을 상세한 계획으로 변환합니다. Builder는 이러한 계획들을 후보 게임으로 만듭니다. 코딩에 특화된 Player는 프로그램 인터페이스를 통해 재사용 가능한 정책(policies)을 생성하고 실행하여, 느린 GUI 기반 수집으로 인해 발생하는 평가 편향을 완화하면서 다양한 게임플레이 궤적(trajectories)을 효율적으로 수집합니다. Reviewer는 신중하게 설계된 궤적 기반 지표(metrics)를 사용하여 플레이어의 선호도를 유도하며, 시각적 증거 및 명시적인 텍스트 선호도와 통합하여 게임을 특정 게임 기준에 따라 평가합니다. 마지막으로, Reviewer는 더 나은 버전을 수용하고 다음 라운드를 위한 개선 리뷰를 제공함으로써 재귀 루프를 완성합니다. 우리의 방법은 GameCraft-Bench에서 77.89의 최첨단(state-of-the-art) 전체 성능을 달성했습니다. GameASG-Bench에서는 엄격한 과제 성공률 53.2%를 달성했으며, 이는 동일 모델 기준선 대비 34.1% 향상이며, 비교된 방법 중 가장 높은 평균 런타임 검사 통과율인 93.4%를 기록했습니다. 사용자 연구에 따르면 더 긴 플레이 시간과 더 높은 평점을 보였습니다. 코드는 곧 공개될 예정입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기