Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

All Stories Are One Story: Emotional Arc Guided Procedural Game Level Generation

Created by
  • Haebom

저자

Yunge Wen, Chenliang Huang, Hangyu Zhou, Zhuo Zeng, Chun Ming Louis Po, Julian Togelius, Timothy Merino, Sam Earle

개요

본 논문은 모든 이야기의 기저에 있는 보편적인 서사 구조인 감정적 아크(emotional arc)를 게임 내러티브 생성에 통합하는 프레임워크를 제시한다. 구체적으로 상승과 하락이라는 두 가지 핵심 감정 패턴을 활용하여 분기되는 스토리 그래프를 생성하고, 각 노드에는 캐릭터, 아이템, 게임플레이 관련 속성을 자동으로 채우며, 감정적 궤적에 따라 난이도를 조정한다. 액션 RPG 프로토타입에 구현된 이 시스템은 대규모 언어 모델(LLM)과 적응형 엔티티 생성을 통해 감정적 아크를 구현하는 방법을 보여준다. 플레이어 평가, 인터뷰, 감정 분석을 통한 평가 결과, 감정적 아크 통합은 참여도, 서사 일관성, 감정적 영향을 상당히 향상시키는 것으로 나타났다. 이는 감정적으로 구조화된 절차적 생성이 게임의 상호 작용적 스토리텔링 발전에 잠재력이 있음을 강조한다.

시사점, 한계점

시사점:
대규모 언어 모델과 적응형 엔티티 생성을 활용하여 감정적 아크를 게임 내러티브 생성에 효과적으로 통합할 수 있는 프레임워크를 제시하였다.
감정적 아크 기반의 절차적 생성이 게임의 참여도, 서사 일관성, 감정적 영향을 향상시킬 수 있음을 실험적으로 증명하였다.
상호 작용적 스토리텔링을 위한 새로운 가능성을 제시하였다.
한계점:
현재는 상승과 하락이라는 두 가지 감정 패턴에만 초점을 맞추고 있어, 더욱 다양한 감정적 아크 패턴을 고려할 필요가 있다.
프로토타입 게임을 기반으로 한 연구이므로, 더욱 다양한 게임 장르 및 플랫폼으로의 확장성을 검증해야 한다.
LLM 및 적응형 엔티티 생성의 한계로 인해 생성되는 스토리의 질과 다양성에 제한이 있을 수 있다.
평가에 사용된 데이터의 규모와 대표성에 대한 추가적인 논의가 필요하다.
👍