[논문 리뷰]Player-Driven Emergence in LLM-Driven GAme Narrative

서다연·2025년 7월 8일

2024 IEEE Confernece on Games

서론

구조가 정해져 있기 때문에 유연성이 부족하다. 따라서 플레이어의 예쌍치 못한 행동을 반영하기 어렵고, emergent narraitve를 생성하기가 어렵다.
특히, NPC가 수작업으로 코딩되기 때문에 플레이어가 NPC와 상호작용을 할 때 플레이어에게 주어지는 선택지가 매우 제한적이다.
LLM 기반 narrative 생성에서 인간의 개입이 없을 경우에 생성된 이야기들이 제한적인 패턴으로 수렴할 가능성이 크다.

LLM을 활용하여 플레이어의 행동을 동적으로 반영하는 비결정론적인 narrative 생성 시스템을 제안한다.
LLM 기반 narrative 생성에서 인간의 개입이 없을 경우의 문제점을 해결하기 위하여, 플레이어가 직접 narrative 생성 과정에 참여하도록 하는 방법을 제안한다.
텍스트로 진행되는 어드벤처 게임인 Dejaboom!을 개발하였다.

플레이어의 행동을 실시간으로 반영하여 동적으로 스토리를 생성할 수 있따는 것을 검증하고자 한다.
기존 narrative 생성 시스템은 사전 정의된 스토리를 기반으로 진행되지만, 이 논문에서 제안하는 모델은 플레이어의 행동을 반영하여 스토리라인을 즉각적으로 변화할 수 있다. -> emergent narrative를 가능하게 하며, 게임 경험을 향상시킬 수 있다.

이 게임에서 플레이어는 폭발 사고가 발생하는 하루를 반복해서 경험한다. 폭탄을 찾아서 해체하는 것이 목표다. NPC와 상호작용하여 1) 폭탄의 위치를 파악하고 2) 폭탄 해체 키트를ㄹ 획득해야 한다.
게임은 TextWorld(텍스트 어드벤처 게임을 위한 오픈 소스 엔진)를 기반으로 구현되었으며 GPT-4를 이용하여 NPC와 자유로운 대화가 가능하도록 하였다.
마을에는 여러 장소가 존재하고, 5명의 NPC가 배치되어 있다. NPC는 개별적인 배경 스토리, 성격, 목표, 특정 조건을 가지고 있다.
플레이어 로그를 분석하여 창의적으로 추가된 narrative 요소를 식별하는 과정을 수행하였다. GPT-4를 활용하여 게임 로그를 narrative graph로 변환한다.
narrative graph는 DAG다. node는 플레이어가 특정 시점에서 사용한 전략, edge는 게임 내에서의 시간적 진행이다.
narrative graph를 생성하는 과정은 1) 플레이어 로그를 압축(day 단위로), 2) 요약된 전략을 그래프로 변환(각 day마다 graph 생성), 3) graph 병합 -> 이 과정을 통하여 하나의 플레이어에 대한 단일 그래프를 완성한다.

대조군: 게임 디자이너가 의도한 Gold-standard -> 사전에 설정된 이야기 구조를 따른다.
실험군: LLM을 활용한 플레이어 주도형 narrative 시스템 -> LLM이 실시간으로 새로운 스토리를 생성한다.
선행 연구의 문제점들은 예측하지 못한 상황에 동적으로 반응할 수 없었떤 것이다. 따라서, 상황을 예측해두고 그 외의 상황에 반응할 수 있는지 분석하는 방법은 적절하다고 생각한다.
하지만, LLM의 성능, 프롬프트, 플레이어가 얼마나 예측하지 못하는 행동을 많이 하였는지가 실험에 영향을 크게 미칠 수 있다고 생각한다.

Gold-standard와 플레이어의 narrative graph를 비교한다. 파란색이 gold-standard고, 초록색이 플레이어가 게임을 진행하면서 생성하게 된 노드다.
플레이어 인터뷰를 진행한다.

논문에서 제안한 게임과 같은 단기적이고 수행할 수 있는 행동이 적은 상황에서는 해당 방법을 적용할 수 있지만, 장기적인 플레이에는 어려움이 있을 수 있다고 생각한다.
또한, 선행 연구와의 비교가 제대로 수행되지 않았다고 생각한다.
플레이어의 몰입도에 관한 평가와 분석이 얕았다고 생각한다.