A Survey on Large Language Model-Based Game Agents

要約

ゲーム エージェントの開発は、汎用人工知能 (AGI) に向けて前進する上で重要な役割を果たします。
LLM とそのマルチモーダル対応物 (MLLM) の進歩は、複雑なコンピューター ゲーム環境においてゲーム エージェントを進化させ、人間のような意思決定能力を与える前例のない機会を提供します。
このペーパーでは、総合的な観点から LLM ベースのゲーム エージェントの包括的な概要を説明します。
まず、知覚、記憶、思考、ロールプレイング、アクション、学習という 6 つの重要な機能コンポーネントを中心とした、LLM ベースのゲーム エージェントの概念アーキテクチャを紹介します。
次に、アドベンチャー、コミュニケーション、競争、協力、シミュレーション、クラフトと探索ゲームを含む 6 つのゲーム ジャンルにわたる方法論と適応機敏性に関して、文献に記載されている既存の代表的な LLM ベースのゲーム エージェントを調査します。
最後に、この急成長分野における将来の研究開発の方向性の見通しを示します。
関連する論文の厳選されたリストが維持されており、https://github.com/git-disl/awesome-LLM-game-agent-papers でアクセスできます。

要約(オリジナル)

The development of game agents holds a critical role in advancing towards Artificial General Intelligence (AGI). The progress of LLMs and their multimodal counterparts (MLLMs) offers an unprecedented opportunity to evolve and empower game agents with human-like decision-making capabilities in complex computer game environments. This paper provides a comprehensive overview of LLM-based game agents from a holistic viewpoint. First, we introduce the conceptual architecture of LLM-based game agents, centered around six essential functional components: perception, memory, thinking, role-playing, action, and learning. Second, we survey existing representative LLM-based game agents documented in the literature with respect to methodologies and adaptation agility across six genres of games, including adventure, communication, competition, cooperation, simulation, and crafting & exploration games. Finally, we present an outlook of future research and development directions in this burgeoning field. A curated list of relevant papers is maintained and made accessible at: https://github.com/git-disl/awesome-LLM-game-agent-papers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google