SERIES — 連載
論文ダイジェスト
全27回 · 最新 2026-07-11 · 文: Fukai
レベル自動生成、難度推定、AI の思考——ゲーム研究の論文は面白いのに届いていない。Fukai が毎回1本を選び、手法と結論を誰にでも読める形にほどく。
連載一覧
- 第27回Triebel et al.: 名作物理パズルで、AI に「思考」と「手」の両方はあるか — Fukai が読む2026-07-11
Triebel らによる、名作物理パズル『The Incredible Machine 2』を舞台にした VLM 評価の論文。画面操作 AI が人間のように問題を解けるかを VLATIM という5段階の物差しで測り、賢い大型モデルほど計画は立てられるのに正確なクリックができず、どのモデルも一つのパズルすら完走できなかった。
- 第26回Nasvytis & Fan: ひらめきと「転移」は話し方に表れる — Fukai が読む2026-07-10
スタンフォードの Nasvytis と Fan による、ひらめきと転移を思考発話から捉えた論文。参加者189人にマッチ棒数式パズルを5問解かせ、同じ型を繰り返す群は初正解後も速く正確になり(試行5で正答率0.75)、問題の型を口に出す割合が約7倍に増えた。転移の印は『コツを言葉にできること』だと読める。
- 第25回Li et al.: 記号ソルバーを審判にして幾何問題を「検証可能」に解く — Fukai が読む2026-07-09
Can Li らによる幾何問題解決(GPS)の arXiv プレプリント。図と文の問題を記号ソルバーが実行できる形式へ翻訳し、行き詰まりでは補助的な補題を提案してソルバー自身に検証させる SD-GPS を提案。要旨によれば Geometry3K・PGPS9K で既存手法を一貫して上回ったという。解けることを保証するパズル生成への応用を Fukai が読む。
- 第24回Sestini et al.: AAA ゲームの NPC を強化学習で「本物らしく」する — Fukai が読む2026-07-08
Electronic Arts の研究チームによる vision 論文。AAA ゲームの NPC を強化学習で改良できるかを、EA SPORTS FC 25 のゴールキーパー位置取りと Battlefield 6 の歩兵移動という2つの実例で検証し、制作現場で RL を使うために満たすべき7つの要件を整理する。RL は既存のゲーム AI を置き換えるのではなく補強する道具だ、と結論づける。
- 第23回Xu ら: 生成AIが「遊びの芯」になるゲームとは — Fukai が読む AIネイティブゲーム調査2026-07-07
Zhiyue Xu ら6名による、生成AIが中核ループそのものになる「AIネイティブゲーム」の調査論文(arXiv プレプリント)。「AIを外したら遊びが成立しないか」という反実仮想で定義し、実在53本をゲームの型(G)と支配的なAIの働き(N)の二軸で分類。物語系に偏り、ルールを裁く使い方は薄いことを示す。
- 第22回Wermann et al.: ゲーム内 AI の「言葉」と「実演」で学びと認知負荷はどう変わるか — Fukai が読む2026-07-06
LMU ミュンヘンらによる、シリアスゲーム内の AI NPC が与える「言葉による支援」と「実演による支援」を比較した事前登録済みの実験。量子技術を学ぶゲーム Qookies で 152 名を3群に分け、学習効果には群間差が出なかったが、言葉+実演の群は言葉のみの群より内在的認知負荷が有意に低かった(d=0.60)。
- 第21回Aryan et al.: 行き詰まると世界が変わる——静的なRL環境を「適応の試験場」に変える AbideGym — Fukai が読む2026-07-05
Abide AI の Aryan らによる強化学習の環境設計の論文(preprint)。訓練環境が最初から最後まで固定だとAIがもろくなる問題を、プレイ中にAIの「手が止まったこと」を引き金にルールや地形を変える AbideGym で扱い、覚えた手順を崩して立て直しを促す設計と既存手法との比較を示した(実験結果は未掲載)。
- 第20回Wang et al.: 視線から「頭の忙しさ」を読む LLM エージェント — Fukai が読む2026-07-04
Meta Reality Labs らによる、視線データから認知負荷(頭の忙しさ)を推定する論文。従来手法の低い汎化性と解釈しにくさを、視線を構造化して LLM に文脈・個人差・お手本つきで推論させる枠組み GazeMind で扱い、3段階分類で 62.73% の精度(既存手法比 +20 ポイント超)を報告した。
- 第19回Mirowski et al.: 物語を「書く」から「見つける」へ — 作家コミュニティと育てた執筆AI「Fabula」 — Fukai が読む2026-07-03
Google DeepMind による執筆支援AI「Fabula」の論文。物語を階層的に計画・生成する「ドラマ・マネージャ」を、42名の専門家との参加型デザインで批判的に育てた記録で、構造づくりは得意だが文体や意外性は苦手だと分かった。ゲームのインタラクティブ・ナラティブに直接効く知見を Fukai が読む。
- 第18回Özkan: レベルを生成する AI と攻略する AI を一緒に育てる — Fukai が読む2026-07-02
Miraç Buğra Özkan による、強化学習でレベル生成と攻略を同時に学ばせる論文。Unity 上でハチドリ(攻略役)と浮遊島(生成役)の2体を互いの成績を見ながら学習させ、未知レイアウト100種で約90.2%の攻略成功率に到達した。
- 第17回Liu et al.: 記憶を増やすほど AI エージェントは協力しなくなる — Fukai が読む2026-07-01
カーネギーメロン大学などのチームによる、LLM エージェントの「記憶の長さ」と協力の関係を調べた arXiv 論文。反復社会的ジレンマ4種を7モデル・最大80ラウンド分の履歴・500ラウンドで評価し、履歴を増やすほど28設定中18で協力が崩れる『記憶の呪い』を報告。原因は文脈長ではなく蓄積した裏切り記録の内容で、前向きな推論で部分的に緩和できると示す。
- 第16回Feng et al.: LLM エージェントは交易ゲームで賢く駆け引きできるか — Fukai が読む2026-06-30
清華大学チームによる、LLM エージェントを協力かつ競争する交易ゲームで評価するベンチマーク SidConArena の論文。ボードゲーム Sidereal Confluence を題材に、交渉・生産・封印入札の三フェーズで評価し、フロンティアモデルは強いが、資源の価値の取り違え・受け身な交渉・長期投資計画の弱さが残ると報告する。
- 第15回Bazzaz et al.: 「AI 製だと思う」だけで体験が変わる — Fukai が読む2026-06-29
Bazzaz と Cooper による、生成コンテンツの知覚バイアスを扱う CHI '26 論文。Super Mario Bros. と Sokoban で人間作・AI 生成レベルを混ぜて 142 人に遊ばせ、プレイヤーは作者をほぼ当てられないのに、AI 製だと信じたレベルほど楽しくない・難しい・苛立たしいと評価した、と報告する。
- 第14回Liu ほか: AI の手助けは「粘り」を奪う——独力とヒント設計への警告 — Fukai が読む2026-06-28
Grace Liu らによる、AI支援が独力での問題解決と粘り強さに与える影響を調べた論文。計1,222人のランダム化比較試験で、AIは作業中の成績を上げる一方、AIを外すと成績が下がり途中で諦めやすくなることを示した。答えを直接もらった人ほど落ち込みが大きく、ヒント利用者は落ちなかった——ゲームのヒント設計に直結する。
- 第13回Jara Gonzalez & Guzdial: 敵の「形」を、動きで倒せる関門として自動生成する — Fukai が読む2026-06-27
Jara Gonzalez と Guzdial による敵モーフォロジー(当たり判定の形)生成の論文。「特定の動きでだけ倒せる敵」を 4×4 グリッド上で生成する問題を、強化学習・A*探索・ニューラル生成の三手法で扱い、素朴な A* 到達可能性ルールが最良のゲート性能と多様性を最小コストで示した。
- 第12回Munk et al.: 小さな言語モデルでゲームのテキストを動的生成する — Fukai が読む2026-06-25
コペンハーゲン IT 大学の Munk らによる、小規模言語モデル(SLM)でゲーム内テキストを動的生成する論文。クラウド LLM のオフライン化・コスト・一貫性という壁を、狭い仕事に特化させて微調整した小さなモデルで解こうとする。中世 RPG の中傷ビラ生成を担う DefameLM を概念実証とし、10 億パラメータ級モデルが家庭用 PC 上で数秒・高品質に届くことを示した。
- 第11回Zeytuncu: パズルの難しさは『使う数の個数』で決まる — Fukai が読む2026-06-24
Yunus E. Zeytuncu による整数四則パズル(数を組み合わせて目標数を作るナンバーズ系)の難易度モデリング論文。約 347 万問を厳密ソルバーで生成し、難易度を最小手数で定義したうえで、最小解で使う数の個数だけが難易度を完璧に決める『最小十分統計量』だと示した。
- 第10回Chao et al.: ひらめきの正体は「遠くまで探す」こと — Fukai が読む2026-06-23
Chao・Hsieh・Wu による洞察的問題解決(ひらめき)の論文。日本語版 RAT と計算機シミュレーションで「答えにたどり着く探索の道筋」を数値化し、脱固着は解決に必要だがひらめきを決める要因ではなく、ひらめきの目印は解の空間をより遠くまで探索することだと示した。
- 第9回Monti et al.: 一本道の倉庫番で、AI の「計画する力」を測る — Fukai が読む2026-06-22
Monti らによる、推論モデルの長手順プランニング能力を倉庫番で測るベンチマーク SokoBench の論文。箱一つの一本道だけを並べて難しさを通路の長さ一本に絞り、最新の推論モデルでも 25〜30 手より先の見通しが要ると崩れることを示した。原因は「数え間違いの蓄積」にあると著者らは見る。
- 第8回Luo et al.: AI エージェントは実際のゲームエンジンで遊べるゲームを丸ごと作れるか — Fukai が読む2026-06-21
Luo, Wang らによる、コーディングエージェントの End-to-End ゲーム生成を測る評価基盤 GameCraft-Bench の論文。自然言語仕様から Godot 上で遊べるゲームを丸ごと作らせ、起動・操作再生・映像採点で判定する 140 課題(15 ジャンル)を提案。最強の構成でも全体 41.46% にとどまり、エージェントは仕組みは作れても内容・見やすさ・仕上げを備えた完成品には届かない、と報告している。
- 第7回Li ら: ボードゲーム設計を発想から完成まで一気通貫で支援するAI「AutoBG」 — Fukai が読む2026-06-20
Zizhen Li らによるボードゲーム設計支援AI「AutoBG」の論文(arXiv preprint)。発想・ルールブック生成・個別フィードバックという設計工程全体を、生成役と評価役を分ける Verifier-Gated Iteration で扱い、評価役 BG-Critic の診断の質は GPT-5.4 を上回ったと報告する。
- 第6回Nasir ら: ゲームの「ルールそのもの」を進化させる — Fukai が読む MORTAR2026-06-19
Nasir・Togelius らによる自動ゲームデザインの論文。レベルではなく「メカニクス(ゲームのルール)」そのものを、品質多様性アルゴリズムと大規模言語モデルで進化させ、強さの違うAI同士の勝敗で質を測る MORTAR を提案。GPT-4o-mini で多様で遊べるゲームを生成し、各メカニクスの貢献度まで数値化した。
- 第5回Jiang ら: 言葉だけで「遊べるゲーム」は作れるか — Fukai が読む OpenGame2026-06-18
Yilei Jiang ら(香港中文大学)による、自然言語からウェブ2Dゲームを丸ごと自動生成するエージェント OpenGame の論文。再利用できる骨組みと『生きたデバッグ手順書』で統合エラーを抑え、150課題で最高水準を達成。ただしパズルは最も苦手なジャンルとして残った。
- 第4回McConnell & Zhao: 遺伝的アルゴリズムで「ちょうどいい難しさ」のパズルをリアルタイム生成する — Fukai が読む2026-06-17
McConnell と Zhao による、遺伝的アルゴリズムを使った適応的パズル生成の論文。Cosmic Express 風の経路パズルを、プレイヤーの解き方を記録するプレイヤーモデルに合わせて1問約7秒でリアルタイム生成し、18人の実験で「時間だけ」に頼る版が体感難易度・進行感で見劣りすることを示した。
- 第3回Li ら: LLM は2Dゲームを「遊んで勝てる」か — Fukai が読む GVGAI-LLM2026-06-16
Li ら(NYU ほか)による GVGAI-LLM の論文。118本の2Dゲームを言語モデルに遊ばせ、推論力と空間把握を測るベンチマークを提案。盤面を ASCII 地図に翻訳して zero-shot で解かせると、GPT-4o-mini は540レベル中477で勝率0%、全体勝率10.27%にとどまり、古典的な探索アルゴリズムに及ばなかった。問題・方法・発見・使いどころ・限界の順に解きほぐす。
- 第2回Kar: 生成したコースが本当に通れるかを実行中に自動エージェントで検べる — Fukai が読む2026-06-14
King's College London の Rishabh Kar による PCG(コンテンツの自動生成)の論文。生成したコースが本当に通れるかという検証を、ゲームを止めず実行中の同じループの中で行う仕組み Momentum を提案。プレイヤーの先を2体の自動エージェントが走り、空中からの幾何チェックと地上の NavMesh チェックで先回りして道を点検する。評価はコードから導いた構造的な見積もりで示される。
- 第1回Xu et al.: ゲームの「仕掛け」を座標に格上げして解けるレベルを自動生成する — Fukai が読む2026-06-13
McGill 大学の Xu と Verbrugge による PCG(レベル自動生成)の論文。地形優先だった従来手法に対し、重力反転や移動床といった「仕掛け」を座標の一つに格上げした次元拡張グラフ上で経路探索を行い、解けることを生成の最中に保証する HDPCG を提案。Unity 上で実際に遊べるレベルまで再現してみせた。