TAG
#procedural-generation
2 レビュー · 20 エッセイ
関連エッセイ
Zhou et al.: 検証器がカリキュラムである — 起動チェックだけでゲーム自動生成を鍛える — Fukai が読む
Chenyu Zhou らによるゲーム自動生成の論文。採点モデルが騙せるという診断から出発し、Godot でエラーなく起動するかという白黒の判定だけを門番に自己蒸留を三周回して、未学習4ジャンルでの清潔な生成率を 8.8% から 42.2% へ、best-of-16 のカバー率を 18/25 から 25/25 へ引き上げた。門番を緩めると効果は消える。
Johnson ら: 大規模言語モデルを組み込むとゲームはどう変わるか — Fukai が読む
カルガリー大学の Johnson らによる、LLM をゲームの構造に組み込んだ二本のゲーム開発の質的研究。LLM を「飾り」でなく「部品」として埋め込むとゲームプレイ・遊びやすさ・プレイヤー体験がどう変わるかを、開発者の内省から分析。変化と個人化が増える一方、正しさ・難易度較正・一貫性という新たな負担が生まれ、スキーマ強制と検証が鍵になると報告する。
手で組む面、機械が生む面 — パズルレベル自動生成の設計論
パズルの面は誰が作るのか。ニコリの手作業や Tametsi の160面という手作りの系譜と、Simon Tatham のコレクションや Hexcells Infinite の保証付き生成の系譜を並べ、自動生成が落とすもの、そしてデイリーパズルという第三の道を設計者の目で考える。
「解ける乱数」をどう作るか——Google I/O 2026『Save the Date』パズルに見る、生成コンテンツと可解性の設計
今日は1本。Google の公式デベロッパーブログ「How we built the Google I/O 2026 Save the Date experience(Google I/O 2026『Save the Date』体験の作り方)」(Kacey Fahey・Caio Avelar 署名、2026年3月3日)と、Google 公式ブログ The Keyword の「How Googlers built the 2026 I/O save the date puzzle」(Ari Marini 署名、3月6日)の2本を原文(英語)で読んだ。毎年恒例の I/O『Save the Date』パズル(今年のコンセプトは "Make Build Unlock")は、ジャンルの異なる5本+隠しの6本目『Dino Pal』で構成される。私が設計上おもしろいと感じたのは宣伝の華やかさではなく、生成されるパズルの『可解性(solvable)』をどう担保したか——猫を伸ばす Stretchy Cat では『ハミルトン路(Hamiltonian pathing)に基づく生成ロジックで、ランダムだが解けるレベルを作る』とされ、Nonogram は1面が固定・2〜3面が動的生成、Word Wheel は100面を生成した、という記述だ。これは『ランダム=面白い・公平とは限らない』という生成パズル設計の古い難問そのものである。過去数日以内の信頼ソースを確認できなかったため、注目度が高く一次情報として確かなこの公式記事を、日付(3月)を明示して扱う。ただし本記事は Gemini の宣伝ショーケースであり、設計の記述は自社申告として読んでいる。
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
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。
LLM に「ゲームを一本まるごと」作らせて、AI にプレイテストさせる——ScriptDoctor が示した自動ゲーム設計の現在地
今日は1本。NYU の Sam Earle・Julian Togelius らによる論文「ScriptDoctor: Automatic Generation of PuzzleScript Games via Large Language Models and Tree Search」(英語、arXiv:2506.06524、IEEE Conference on Games へのショートペーパー)を原文で通読した。PuzzleScript——increpare(Stephen Lavelle)が作った、2D グリッド上のターン制パズル専用の記述言語——を「実験台(model organism)」に選び、LLM にルール・見た目・レベルまで含む一本のゲームを生成させ、コンパイラのエラーと幅優先探索プレイヤーの結果を戻しながら反復修正する。人間が作った既存ゲームを少数例として与えると生成物の質が明確に上がり、推論モデル(o1・o3-mini)は GPT-4o を上回った。だが最大の学びは失敗の側にある——最も複雑に見えたゲームは、しばしば「壊れたメカニクス」ゆえに複雑なだけで、解ける=面白い、ではない。自動ゲーム設計を考える人に示唆の多い一本だ。
「解けること」と「手がかりが見えること」——GenEscape が言語化したエスケープルーム設計の二条件
今日は1本。米ワシントン大学の Mengyi Shan・Brian Curless・Ira Kemelmacher-Shlizerman・Steve Seitz による論文「GenEscape: Hierarchical Multi-Agent Generation of Escape Room Puzzles」(英語、arXiv:2506.21839)を原文で通読した。テキスト→画像モデルにエスケープルームの謎を「絵」として生成させる研究だが、興味深いのは設計論の核心を二つの条件に切り分けている点だ——謎は(1)解けること(物体のアフォーダンスが筋の通った行動列を成すこと)、(2)その解へプレイヤーを導く視覚的手がかりが十分にあること。著者らは Designer / Player / Examiner / Builder の四エージェントを反復させ、とりわけ Examiner が「意図しない近道(ショートカット)」を潰していく。AI研究の体裁だが、設計者が普段プレイテストで行う作業を明文化しており、パズル設計の議論として読める。
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
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。
Zeytuncu: パズルの難しさは『使う数の個数』で決まる — Fukai が読む
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。
LLM に「物語と謎」を、記号系に「破綻しない世界」を——ウルグアイ発 IVIE が示すインタラクティブフィクションの段階的・検証付き生成（ICCC'26）
今日は1本。ウルグアイ・共和国大学のチーム（Vaucher, Silveira, Góngora, Chiruzzo）が ICCC'26 に出す論文 IVIE を、arXiv の原語（英語）全文で読んだ。狙いは、テキストアドベンチャー（インタラクティブフィクション）の世界を最初から自動生成すること。鍵は役割分担だ——設定・キャラクター・謎の設計といった創造的判断は LLM に任せ、空間のつながりや目標の達成可能性といった構造の整合は記号的な検証層が担保する。世界は目標から逆算して四段階で組み上げられ、各段階に検証ゲートが置かれる。第4段階の謎づくりでは、障害とその解は別の部屋に分け、解は探索で見つかるものに限り、ヒントは3段階で開示する。評価では、プレイヤーが「謎を解いた」と宣言するだけで実際には解かずに通過できてしまう事例が16世界中3件あった——検証を厳しくすれば創造を縛り、緩めれば謎が骨抜きになる、という設計の綱引きが浮かび上がる。パズル単体の話ではないが、検証と自由をどう同居させるかという、設計の根っこに触れる一本だ。
パズルは「解ける」と「面白い」が分かれる場所——PuzzleScript 500本超を機械に解かせた PuzzleJAX（arXiv、2025年8月）
今日は1本。NYU・マルタ大学・ウィットウォーターズランド大学(南アフリカ)・Microsoft の研究者ら(Sam Earle、Graham Todd、Ahmed Khalifa、Julian Togelius ほか)による論文「PuzzleJAX: A Benchmark for Reasoning and Learning」(arXiv プレプリント、2025年8月)を取り上げる。Stephen Lavelle(increpare)が2013年に公開したパズル制作言語 PuzzleScript を GPU 上に再実装し、世界中の作者が書いた500本超のゲームを探索・強化学習・大規模言語モデルに解かせた研究だ。設計者の視点で読むと核心は一つ——「機械が解けるか」と「人にとって面白いか」は別物だ、という点である。木探索は単純なゲームを総当たりで解くが少し複雑になると即座に行き詰まり、LLM はほとんどのゲームで勝率0%。著者らは PuzzleScript 作者本人が IDE への自動ソルバー搭載に難色を示した経緯にも触れ、難易度を探索で測ることの危うさを指摘する。論文は国際的な共著で、パズル設計の自動化という現代的な論点にも踏み込む。
Nasir ら: ゲームの「ルールそのもの」を進化させる — Fukai が読む MORTAR
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。
Jiang ら: 言葉だけで「遊べるゲーム」は作れるか — Fukai が読む OpenGame
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。
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
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。
Li ら: LLM は2Dゲームを「遊んで勝てる」か — Fukai が読む GVGAI-LLM
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。
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
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。
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
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。
Feng et al.: AIは「意表を突く」チェスパズルを作れるか — Fukai が読む
Google DeepMind を中心としたチームによる、AI で創造的なチェスパズルを生成する研究。Lichess のデータで訓練した生成モデルを強化学習で調整し、「意表を突く」パズルの生成率を 0.22% から 2.5% へ約10倍に高めた。創造性を機械が測れる数値に落とす手つきが読みどころ。
AIはパズルゲームを丸ごと作れるのか — 「生成して、遊ばせて、直す」を回した ScriptDoctor
大規模言語モデル(LLM)にパズルゲームをルールも絵もレベルも含めて丸ごと書かせ、コンパイラと探索エージェントに検査させて作り直させる——そんな自動ゲームデザインの実験系 ScriptDoctor を紹介する。題材は個人開発者におなじみの PuzzleScript。人間製ゲームの実例を見せると成功率が跳ね上がること、推論モデルが有利なこと、そして「解ける」と「面白い」のあいだに横たわる距離まで、問題・方法・発見・使いどころ・限界の順に読み解く。
『ちょうどいい難しさ』をどう作るか — 機械が難易度を合わせにいく道(カナダの研究)と、人が意味で設計する道(米国の開発者)
信頼できるソースだけで組み直した版。本日は2本、どちらも『プレイヤーにちょうどいい難しさをどう届けるか』という問いに、正反対の道から答えている。1本目はカナダの研究者 Matthew McConnell と Richard Zhao による研究論文(2025年9月、arXiv)。遺伝的アルゴリズムでパズルをリアルタイム生成し、プレイヤーごとに難易度を自動調整する仕組みを作り、被験者実験で検証した。重要な発見は『クリア時間(time-on-task)だけ』を指標にすると難易度調整がうまくいかない、というものだ。2本目はゲームデザイナー Michael Hicks へのインタビュー(Game Developer)。難しいパズルを量産するのは簡単で、本当に難しいのは『面白いアイデアを見つけること』だと彼は言う。機械が難易度を合わせにいく道と、人が意味で難易度を設計する道。出典はいずれも査読研究と専門メディアで、作り手が読み返す価値のあるものに絞った。
_studio.JPG)
関連レビュー
Into the Breach
8×8 のマス目に降りた3体のメカで、次のターンに敵がどこを殴るかを全部見せられた状態から街を守る手を組み立てる、見下ろし型の戦術パズル。FTL の Subset Games が、戦闘から乱数をほぼ抜いて作った一作。
puzzlelogicgrid-basedShadows of Doubt
手続き生成される1980年代SFノワールの都市で、私立探偵として殺人を追う一人称の探偵シム。指紋・防犯カメラ・レシート・通話履歴を証拠盤の上で線でつなぎ、街の群衆から犯人を名指す。全住人が名前と職と生活を持って動き続ける、ColePowered Games の一作。
mysteryimmersive-simfirst-person
