StoryVerse: Towards Co-authoring Dynamic Plot with LLM-based Character Simulation via Narrative Planning
作者: Yi Wang, Qian Zhou, David Ledo
分类: cs.HC, cs.AI
发布日期: 2024-05-17 (更新: 2024-11-02)
备注: Proceedings of the 19th international conference on the foundations of digital games 2024
💡 一句话要点
StoryVerse：通过叙事规划和LLM角色模拟实现动态情节的协同创作
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 情节生成 大型语言模型 角色模拟 叙事规划 游戏AI
📋 核心要点
- 传统符号叙事规划方法需要大量的知识工程工作，限制了生成情节的规模和复杂性，难以满足游戏对丰富叙事体验的需求。
- 论文提出了一种基于LLM的角色模拟和叙事规划相结合的方法，通过“抽象行为”结构，协调作者意图和角色自主行为，实现情节的动态生成。
- StoryVerse系统验证了该情节创作工作流程的有效性，展示了其在不同故事和游戏环境中的适应性，实现了作者、角色模拟和玩家的协同创作。
📝 摘要（中文）
本文提出了一种新颖的情节创作工作流程，旨在弥合作者意图与基于大型语言模型（LLM）驱动的角色模拟所产生的行为之间的差距。该方法通过一种名为“抽象行为”的作者结构来实现，作者定义高层次的情节大纲，然后通过基于LLM的叙事规划过程，根据游戏世界状态将其转化为具体的角色动作序列。该过程创建了能够动态适应各种游戏世界状态的“鲜活故事”，从而产生由作者、角色模拟和玩家共同创作的叙事。本文提出了StoryVerse作为一个概念验证系统，以展示这种情节创作工作流程，并通过不同故事和游戏环境中的示例展示了该方法的多功能性。
🔬 方法详解
问题定义：现有游戏情节生成方法主要面临两个挑战。一是传统的符号叙事规划方法依赖于大量人工设计的知识库，难以扩展到复杂的游戏世界和情节。二是直接使用LLM驱动角色行为进行情节生成，虽然具有涌现性，但缺乏作者的引导，难以控制情节发展方向。因此，需要一种方法能够在作者意图的指导下，利用LLM的生成能力，实现动态、可控的情节生成。
核心思路：论文的核心思路是引入“抽象行为”这一概念，作为作者意图和LLM驱动的角色行为之间的桥梁。作者首先定义高层次的情节大纲，即一系列“抽象行为”，然后通过基于LLM的叙事规划过程，将这些抽象行为转化为具体的角色动作序列。这样既保证了情节的整体方向符合作者的意图，又允许角色在具体执行过程中展现出自主性和创造性。
技术框架：StoryVerse系统的整体架构包含以下几个主要模块：1) 作者界面：允许作者定义情节大纲，即一系列“抽象行为”。2) LLM叙事规划器：负责将“抽象行为”转化为具体的角色动作序列，该模块利用LLM的文本生成能力，并结合游戏世界状态，生成符合逻辑和情境的角色行为。3) 角色模拟器：模拟角色的行为，并更新游戏世界状态。4) 游戏引擎：渲染游戏画面，并与玩家进行交互。整个流程是一个迭代的过程，角色模拟器的输出会反馈给LLM叙事规划器，从而影响后续的情节发展。
关键创新：该论文最重要的技术创新点在于“抽象行为”这一概念，它提供了一种在作者意图和LLM驱动的角色行为之间进行有效协调的机制。与完全依赖人工设计的符号叙事规划方法相比，该方法能够利用LLM的生成能力，实现情节的动态生成。与直接使用LLM驱动角色行为的方法相比，该方法能够保证情节的整体方向符合作者的意图。
关键设计：论文中没有明确给出关键的参数设置、损失函数、网络结构等技术细节。LLM叙事规划器使用的具体LLM模型未知，如何将游戏世界状态有效地输入到LLM中也未详细描述。这些细节可能在后续工作中进一步完善。
🖼️ 关键图片
📊 实验亮点
StoryVerse系统通过不同故事和游戏环境中的示例展示了该方法的多功能性。虽然论文中没有提供具体的性能数据或与其他基线的定量比较，但通过案例分析，证明了该方法能够有效地将作者意图融入到LLM驱动的角色模拟中，从而实现动态、可控的情节生成。该系统为游戏情节的协同创作提供了一个有前景的解决方案。
🎯 应用场景
该研究成果可应用于各种需要动态情节生成的游戏类型，例如角色扮演游戏（RPG）、冒险游戏和沙盒游戏。通过该方法，游戏开发者可以更轻松地创建具有丰富叙事体验的游戏，并允许玩家在一定程度上影响情节发展，从而提高游戏的可玩性和沉浸感。此外，该方法还可以应用于其他领域，例如交互式故事创作和虚拟现实体验。
📄 摘要（原文）
Automated plot generation for games enhances the player's experience by providing rich and immersive narrative experience that adapts to the player's actions. Traditional approaches adopt a symbolic narrative planning method which limits the scale and complexity of the generated plot by requiring extensive knowledge engineering work. Recent advancements use Large Language Models (LLMs) to drive the behavior of virtual characters, allowing plots to emerge from interactions between characters and their environments. However, the emergent nature of such decentralized plot generation makes it difficult for authors to direct plot progression. We propose a novel plot creation workflow that mediates between a writer's authorial intent and the emergent behaviors from LLM-driven character simulation, through a novel authorial structure called "abstract acts". The writers define high-level plot outlines that are later transformed into concrete character action sequences via an LLM-based narrative planning process, based on the game world state. The process creates "living stories" that dynamically adapt to various game world states, resulting in narratives co-created by the author, character simulation, and player. We present StoryVerse as a proof-of-concept system to demonstrate this plot creation workflow. We showcase the versatility of our approach with examples in different stories and game environments.