Procedural Generation of Angry Birds Levels using Building Constructive Grammar with Chinese-Style and/or Japanese-Style Models
Interculture Language Academy（国际语学学院）；Ritsumeikan University（立命馆大学）
本文提出了一种程序化的生成方法，创建具有视觉吸引力的愤怒的小鸟游戏的水平。除了是一款非常受欢迎的手机游戏外，《愤怒的小鸟》最近还成为了各种人工智能技术的试验台。我们提出了一种新的方法，使用中国风格和日本风格的建筑结构程序生成愤怒的小鸟水平。进行的实验证实了我们的方法的有效性与统计意义。
2016-04-27 cs.AI cs.HC
The Grammar of Emergent Languages
University of Amsterdam（阿姆斯特丹大学）；Institute of Cognitive Science（认知科学研究所）；University of Osnabruek（奥斯纳布吕克大学）；Institute for Logic, Language and Computation（逻辑、语言与计算研究所）
在本文中，我们考虑的语法属性出现在参考游戏中，使用无监督语法归纳（UGI）技术最初设计用于分析自然语言。我们认为UGI技术是适当的分析新兴的语言，然后我们研究，如果出现在一个典型的参考游戏设置的语言表现出句法结构，并在何种程度上这取决于最大的消息长度和数量的符号，代理商被允许使用。我们的实验表明，一定的消息长度和词汇量的结构出现所需的，但他们也说明，需要更复杂的游戏场景，以获得更类似于人类语言中观察到的句法属性。我们认为，UGI技术应该是分析新兴语言的标准工具包的一部分，并发布一个全面的库，以方便未来的研究人员进行这种分析。
2020-10-09 cs.AI cs.CL
Aligned but Not Partner-Specific: How Multimodal LLM Agents Succeed in Reference Games Without Forming Conceptual Pacts
National Taiwan University（国立台湾大学）；Max Planck Institute for Psycholinguistics（马克斯·普朗克心理语言学研究所）；Radboud University（拉德堡德大学）；Institut Jean Nicod（让·尼科研究所）
通过约束伪对基线方法，区分多模态LLM智能体在参考游戏中的标签对齐是源于伙伴特定交互还是共享任务词汇，发现智能体通过冗长描述而非压缩表达实现协调。
2026-10-02 cs.AI cs.CL
Long-Form Text-to-Music Generation with Adaptive Prompts: A Case Study in Tabletop Role-Playing Games Soundtracks
Universidade Federal de Viçosa（维索萨联邦大学）
本文提出Babel Bardo系统，利用LLM将语音转录转为音乐描述，生成TRPG配乐，实验表明详细描述提升音频质量，描述一致性增强故事对齐与过渡平滑。
2025-05-21 cs.AI cs.MM cs.NE
From Gameplay Traces to Game Mechanics: Causal Induction with Large Language Models
Institute for Information Processing, Leibniz University Hannover, Germany（汉诺威莱布尼茨大学信息处理研究所）；SDU Metaverse Lab, University of Southern Denmark, Denmark（丹麦南方大学元宇宙实验室）
本文提出利用大语言模型进行因果推理，通过从游戏行为追踪中推断出视频游戏描述语言规则，以更准确地理解游戏机制。
2026-01-30 cs.AI cs.CV cs.LG
Automatic Generation of Board Game Manuals
Maastricht University（马斯特里赫特大学）
在本文中，我们提出了一个过程中自动生成手册的棋盘游戏中的Ludii一般游戏系统。这个过程需要解决许多不同的子任务，例如Ludii游戏描述的英文翻译，移动可视化，突出显示获胜移动，策略解释等。然后将这些方面结合起来，为任何给定的游戏创建一个完整的手册。本手册旨在为游戏的规则和机制提供更直观的解释，特别是对于不太熟悉Ludii游戏描述语言和语法的玩家。
2021-09-20 cs.AI
Analysing Temporal Reasoning in Description Logics Using Formal Grammars
DI ENS, ENS, CNRS, PSL University \& Inria, Paris, France；Free University of Bozen-Bolzano, Italy
本研究建立时态描述逻辑$\u2131\ua4c2^\bigcirc$及其片段与合取文法等形式文法的对应关系，证明$\u2131\ua4c2^\bigcirc$无模型最终周期性且其查询回答不可判定，同时确定部分新片段的查询可判定性并可复用合取文法工具算法。
2025-08-01 cs.AI cs.LO
The Machine Psychology of Cooperation: Can GPT models operationalise prompts for altruism, cooperation, competitiveness and selfishness in economic games?
University College London（伦敦大学学院）；Middlesex University（密德萨斯大学）
本研究通过GPT-3.5在囚徒困境和独裁者博弈中测试LLM能否将合作、利他等自然语言提示操作化为相应行为，发现其在一次性博弈中表现较好，重复博弈中合作模拟体呈现条件互惠，后期模型还表现出利他行为，为LLM在合作任务中的应用提供了证据。
2024-06-29 cs.AI cs.CY cs.GT
Probabilistic State-Dependent Grammars for Plan Recognition
Information Sciences Institute（信息科学研究所）；Artificial Intelligence Laboratory（人工智能实验室）；University of Southern California（南加州大学）；University of Michigan（密歇根大学）
不确定性下的计划识别技术需要一个随机模型的计划生成过程。我们引入概率状态依赖文法（PSDGs）来表示代理的计划生成过程。PSDG语言模型扩展了概率上下文无关文法（PCFG），允许生产概率依赖于一个明确的模型规划代理的内部和外部状态。给定计划生成过程的PSDG描述，然后我们可以使用推理算法，利用PSDG语言的特定独立属性来有效地回答计划识别查询。PSDG语言模型和推理算法的组合扩展了计划识别领域的范围，对于该领域，实际的概率推理是可能的，如交通监控和空战中的应用所示。
2013-01-16 cs.AI
General Game Heuristic Prediction Based on Ludeme Descriptions
Maastricht University（马斯特里赫特大学）
本文研究了Ludii一般对策系统中不同一般对策策略的性能。基于这些结果，我们训练几个回归学习模型来预测这些基于每个游戏的描述文件的算法的性能。我们还提供了对Ludii中可用游戏的简要分析，以及定义它们的不同游戏。
2021-07-05 cs.AI
Harmonic Grammar in a DisCo Model of Meaning
University of Oxford（牛津大学）
在（Smolensky和Legendre，2006）中发展的认知模型试图统一认知过程的两个描述层次：联结主义和符号。该理论将这两个层面整合到整合联结主义/符号认知架构（ICS）中。Clark和Pulman（2007）与语义学进行了比较，其中意义可以在分布和符号层面上进行建模，Coecke等人在2010年将其发展为意义的分布组成（DisCo）模型。在目前的工作中，我们重新Smolensky和Legendre（S&L）的模型。我们描述了迪斯科框架，总结了S&L的架构中的关键思想，并描述了如何将其描述的和谐作为一个分级的衡量语法可能适用于迪斯科模型。
2016-02-05 cs.AI cs.CL
Planning from video game descriptions
University of Granada（格拉纳达大学）
该项目提出了一种方法，从视频游戏动态描述的动作模型的自动生成，以及其与规划代理的执行和监控计划的集成。Plastics使用这些动作模型来获得许多不同视频游戏中代理的审议行为，并与反应模块相结合，解决确定性和非确定性水平。实验结果验证了该方法的有效性，并证明了知识工程师在定义这种复杂领域时所付出的努力可以大大减少。此外，已经产生的领域的基准，可以感兴趣的国际规划界评估规划师在国际规划竞赛。
2021-09-07 cs.AI
NLML--a Markup Language to Describe the Unlimited English Grammar
在本文中，我们提出了NLML（自然语言置标语言），一个置标语言来描述任何语法正确的英语表达的句法和语义结构。首先分析了相关工作，论证了NLML的必要性：形式简单，易于管理，直接存储。然后从句子（不同复杂度、语态、语气、时态）、从句（关系从句和名词从句）和短语（名词短语、动词短语、介词短语、形容词短语、副词短语和谓语短语）三个层次详细介绍了NLML对英语语法的描述。最后以两个典型的例子：NLOJM（Java中的自然语言对象模型）和NLDB（自然语言数据库）说明了NLML在自然语言处理中的应用领域。
2004-04-07 cs.AI cs.CL
From Dependency to Compositionality: A Neurosymbolic Lifting of LLM Outputs via Combinatory Categorial Grammar
STAKE Lab, University of Molise（莫利塞大学STAKE实验室）
研究基于自回归生成与CCG增量处理模型的对齐，提出神经符号框架提升LLM输出为类型化组合推导，可扩展到多种形式语言，支持两层检查，还概述了同步LLM - CCG耦合方向。
2026-07-24 cs.AI
Optimised Playout Implementations for the Ludii General Game System
Maastricht University（马斯特里赫特大学）
本文介绍了三种不同的优化实现的播放，如常用的游戏算法，如蒙特卡罗树搜索。每个优化的实现都只适用于特定的游戏集，基于它们的规则。Ludii通用游戏系统可以基于其通用游戏描述语言中的游戏描述自动推断任何优化的实现方式是否适用。一项实证评估表明，在标准实现的基础上，速度有了很大的提高，在Ludii的145个不同游戏中，运行播放速度的中位数是标准实现的5.08倍，其中一个优化的实现是适用的。
2021-11-04 cs.AI
Procedural Content Generation for GDL Descriptions of Simplified Boardgames
University of Wrocław（弗罗茨瓦夫大学）
我们目前的初步研究，对程序生成的简化棋盘游戏，并将其转换成一个有效的GDL代码。这是建立简化棋盘游戏作为一般游戏代理的比较类的一步。为了生成可玩的，人类可读的，平衡的国际象棋游戏，我们使用了自适应进化算法的适应功能的基础上模拟播放。在未来，我们计划使用所提出的方法来多样化和扩展的GGP锦标赛游戏的那些完全自动生成的规则。
2015-08-02 cs.AI
Symbol Grounding via Chaining of Morphisms
Xiamen University（厦门大学）；Hanson Robotics（汉森机器人公司）
提出了一种新的符号扎根模型，该模型将自然语言、逻辑语义、感知和动作的结构进行范畴化表示，并通过相关范畴之间的态射组合来建立符号扎根模型。该模型从概念上深入了解了符号接地的基本系统性质，并与当前研究和商业用途中的实际现实AI系统自然联系起来。具体来说，它认为，语言句法的结构可以被建模为一个特定的非对称monoidal类别，例如隐含在链接语法形式主义;时空关系和行动计划的结构可以类似地使用“图像语法”和“动作语法”建模;和常识逻辑语义结构可以使用依赖类型的λ演算与不确定的真值建模。鉴于这些形式主义，在时空感知和协调行动中的语言描述的基础包括从语言到逻辑再到时空和身体（为了理解）的态射，反之亦然（为了生成）。该映射表示在区域连接演算和Allen区间代数中的空间关系与链接语法句法分析词典中的对应条目之间。此外，这里介绍的抽象自然建模的结构和系统，目前正在部署的上下文中使用的OpenCog认知架构控制汉森机器人人形机器人。
2017-03-13 cs.AI
Game Description Logic with Integers: A GDL Numerical Extension
Université de Toulouse - IRIT（图卢兹大学 - IRIT研究所）；Toulouse（图卢兹（城市名，按要求不提取额外信息，此处仅保留机构主体））
许多问题可以被视为博弈，其中一个或多个代理试图确保某些目标保持不管来自环境和其他代理的行为。近年来，许多逻辑形式主义已经被提出来指定游戏，其中游戏描述语言（GDL）被建立为通用游戏的官方语言。虽然数字在游戏中经常出现，但在GDL中对具有数字特征的游戏的描述需要枚举所有可能的数值以及它们之间的关系。因此，在本文中，我们介绍了游戏描述逻辑与整数（GDLZ）来描述游戏的数值变量，数值参数，以及进行数值比较。我们比较我们的方法与GDL，并表明，当描述同一个游戏，GDLZ更紧凑。
2019-12-04 cs.AI cs.LO
MineObserver 2.0: A Deep Learning & In-Game Framework for Assessing Natural Language Descriptions of Minecraft Imagery
University of Illinois - Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究提出结合计算机视觉与自然语言处理的MineObserver 2.0框架，可实时评估Minecraft科学学习中学习者自然语言观察描述的准确性，配套教师仪表盘，研究显示其准确性与反馈实用性均优于前代，未来将优化描述与持续学习能力。
2023-12-19 cs.AI
LogiCase: Effective Test Case Generation from Logical Description in Competitive Programming
Yonsei University（延世大学）；University of Seoul（首尔大学）；Kangwon National University（匡原国立大学）
针对竞赛编程中现有自动化测试用例生成方法难以满足复杂规范、生成有效边界用例的问题，研究提出带计数器的上下文无关文法，通过微调CodeT5将自然语言规范转为该文法以生成测试用例，在CodeContests数据集上表现优于基线。
2025-05-21 cs.AI cs.SE
The Ludii Game Description Language is Universal
Maastricht University（马斯特里赫特大学）；Université catholique de Louvain（天主教鲁汶大学）；Flinders University（弗林德斯大学）
本文证明 Ludii 游戏描述语言具有通用性，将其表示能力从有限、确定性、完全可观察扩展式博弈扩展至有限非确定性与不完美信息博弈。
2024-06-12 cs.AI cs.GT
Ludax: A GPU-Accelerated Domain Specific Language for Board Games
Ludax结合了通用游戏描述语言的灵活性与现代并行硬件的速度，旨在加速游戏研究，通过快速模拟和灵活的表示方案提升强化学习和认知科学的研究效率。
2026-03-25 cs.AI
Grammar of the Wave: Towards Explainable Multivariate Time Series Event Detection via Neuro-Symbolic VLM Agents
AI Lab, SLB（SLB人工智能实验室）；Télécom Paris, Institut Polytechnique de Paris, France（巴黎电信学院，巴黎高等理工学院，法国）
提出语言引导的时间序列事件检测（TSED）任务，通过事件逻辑树（ELT）将文本描述转化为结构化时序逻辑，并构建神经符号VLM智能体SELA，实现零/少样本事件检测与可解释推理。
2026-10-14 cs.AI cs.LG cs.MA
Qualitative Event Perception: Leveraging Spatiotemporal Episodic Memory for Learning Combat in a Strategy Game
Northwestern University（西北大学）
本文提出基于时空情景记忆的定性事件感知方法，将策略游戏中的连续战斗经验自动分割为结构化事件，并通过类比学习提升智能体游戏表现。
2024-07-08 cs.AI
Knowledge-enriched, Type-constrained and Grammar-guided Question Generation over Knowledge Bases
Southeast University（东南大学）；Monash University（莫纳什大学）；Indiana University Bloomington（印第安纳大学伯明顿分校）
基于知识库的问题生成（KBQG）旨在生成关于子图的自然语言问题，即一组（连接的）三元组。当前基于编码器-解码器的方法仍然面临两个主要挑战，特别是在小子图上：（1）由于子图中包含的有限信息而导致的低多样性和差流畅性，以及（2）由于解码器对答案实体的语义的遗忘而导致的语义漂移。我们提出了一个创新的知识丰富，类型约束和语法指导的KBQG模型，命名为KTG，以解决上述挑战。在我们的模型中，编码器配备了辅助信息的知识库，和解码器的限制与词的类型在QG。具体地说，实体域和描述，以及关系层次信息被认为是构建问题的背景下，而条件复制机制被纳入调制问题的语义根据当前的词类型。此外，设计了一种新的语法相似性奖励函数，通过强化学习提高生成丰富性和句法正确性。大量的实验表明，我们提出的模型在两个广泛使用的基准数据集SimpleQuestion和PathQuestion上的性能明显优于现有方法。
2020-10-23 cs.AI cs.CL
"Press Space to Fire": Automatic Video Game Tutorial Generation
Tandon School of Engineering, New York University（纽约大学坦登工程学院）
我们提出的问题的教程生成的游戏，即生成教程，可以教玩家玩游戏，作为一个AI问题。这个问题可以通过几种方式来解决，包括生成游戏规则的自然语言描述，生成指导性的游戏关卡，以及生成如何使用以类似人类的方式玩游戏的代理来玩游戏的演示。我们进一步认为，通用视频游戏AI框架为解决这个问题提供了一个有用的测试平台。
2018-05-30 cs.AI
TropeTwist: Trope-based Narrative Structure Generation
Malmö University（马尔默大学）
游戏是一个复杂的、多方面的系统，有着共同的元素和潜在的故事，比如英雄和一个大坏蛋之间的冲突，或者追求一个需要克服挑战的目标。然而，一起识别和描述这些元素并不简单，因为它们可能在某些属性以及玩家如何遇到叙述方面有所不同。同样，生成叙事在编码、解释和评估它们时也会带来困难。为了解决这个问题，我们提出了TropeTwist，这是一个基于tropeTwist的系统，可以在更抽象和通用的层面上描述游戏中的叙事结构，允许使用相互关联的tropes（称为叙事图）定义游戏的叙事结构及其生成。为了展示这个系统，我们展示了三个不同游戏的叙事结构。我们使用MAP-Elites生成和评估新颖的质量多样的叙事图编码为图形语法，使用这三个手工制作的叙事结构作为目标。手工制作和生成的叙事图都是根据它们的连贯性和趣味性进行评估的，这些都是通过进化来改进的。
2022-10-11 cs.AI cs.NE
From Natural Language Instructions to Complex Processes: Issues in Chaining Trigger Action Rules
The University of Tokyo（东京大学）；National Institute of Informatics（国立信息学研究所）
复杂业务流程的自动化服务通常需要高水平的信息技术素养。智能辅助过程自动化（IPA：智能过程自动化）服务的需求非常强烈，即使是普通用户也可以轻松使用高级自动化。一个用于这种自动化的自然语言接口预计将作为IPA实现的基本技术。IPA针对的工作流程通常由多个任务的组合组成。然而，语义解析，自然语言处理方法之一，这样的复杂工作流尚未得到充分的研究。其原因在于：（1）语义分析所需的工作流形式化表达和语法尚未得到充分的研究;（2）不存在学习工作流语义所需的具有相应自然语言描述的工作流形式化表达的数据集。本文定义了一个新的语法与链接的机器可执行的含义表示的语义解析的复杂工作流。这些表示处于高抽象级别。此外，提出了一种方法来创建数据集的基础上，该语法。
2020-01-08 cs.AI cs.CL
Deep Learning for Procedural Content Generation
Southern University of Science and Technology（南方科技大学）；New York University（纽约大学）；IT University of Copenhagen（哥本哈根信息技术大学）；University of Malta（马耳他大学）；Technical University of Crete（克里特理工大学）
视频游戏中的程序内容生成有着悠久的历史。现有的程序内容生成方法，例如基于搜索、基于求解器、基于规则和基于语法的方法，已经应用于各种内容类型，例如关卡、地图、角色模型和纹理。以游戏中的内容生成为中心的研究领域已经存在了十多年。最近，深度学习在内容制作方面为一系列非凡的发明提供了动力，这些发明适用于游戏。虽然一些尖端的深度学习方法是单独应用的，但其他方法是与更传统的方法结合应用的，或者在交互式环境中应用。本文概述了各种直接或间接用于生成游戏内容的深度学习方法，讨论了可用于内容生成目的但目前很少使用的深度学习方法，并设想了深度学习用于程序化内容生成的一些限制和潜在的未来方向。
2020-10-09 cs.AI cs.LG
