CreativeGame：メカニクスを考慮した創造的ゲーム生成に向けて

要旨

大規模言語モデルは説得力のあるゲームコードを生成できるが、この能力を反復的な創造的改善につなげることは依然として困難である。実際には、単発生成では脆弱な実行時動作やバージョン間での経験蓄積の弱さ、最適化信号として信頼性に欠ける主観的な創造性スコアが生じがちである。さらに、ゲームメカニクスが事後的説明として扱われ、生成過程中に計画・追跡・保存・評価可能な明示的オブジェクトとして扱われないという限界もある。本報告書は、これらの課題に対処するCreativeGameを提案する。これは4つの連携したアイデアを通じて反復的HTML5ゲーム生成を行うマルチエージェントシステムである：純粋なLLM判断ではなくプログラム的信号に基づく代理報酬、バージョン間経験蓄積のための系譜限定メモリ、修復と報酬の両方に統合された実行時検証、コード生成前に取得したメカニクス知識を明示的なメカニクス計画に変換するメカニクス誘導型計画ループ。目的は単に1ステップで遊べる成果物を生成することではなく、解釈可能なバージョン間進化を支援することにある。現在のシステムは71の保存済み系譜、88の保存ノード、774エントリのグローバルメカニクスアーカイブを包含し、Python 6,181行で実装され、検査・可視化ツールを備える。このため、プロンプトレベルのデモのみならず、アーキテクチャ分析、報酬検査、実系譜レベルの事例研究を支援するのに十分な規模を有する。実在する4世代にわたる系譜は、メカニクスレベルの革新が後期バージョンで出現し得ること、そしてバージョン間記録を通じて直接検査可能であることを示している。したがって中核的貢献は単なるゲーム生成ではなく、明示的なメカニクス変化を通じた漸進的進化を観測する具体的パイプラインの提供にある。

English

Large language models can generate plausible game code, but turning this capability into iterative creative improvement remains difficult. In practice, single-shot generation often produces brittle runtime behavior, weak accumulation of experience across versions, and creativity scores that are too subjective to serve as reliable optimization signals. A further limitation is that mechanics are frequently treated only as post-hoc descriptions, rather than as explicit objects that can be planned, tracked, preserved, and evaluated during generation. This report presents CreativeGame, a multi-agent system for iterative HTML5 game generation that addresses these issues through four coupled ideas: a proxy reward centered on programmatic signals rather than pure LLM judgment; lineage-scoped memory for cross-version experience accumulation; runtime validation integrated into both repair and reward; and a mechanic-guided planning loop in which retrieved mechanic knowledge is converted into an explicit mechanic plan before code generation begins. The goal is not merely to produce a playable artifact in one step, but to support interpretable version-to-version evolution. The current system contains 71 stored lineages, 88 saved nodes, and a 774-entry global mechanic archive, implemented in 6{,}181 lines of Python together with inspection and visualization tooling. The system is therefore substantial enough to support architectural analysis, reward inspection, and real lineage-level case studies rather than only prompt-level demos. A real 4-generation lineage shows that mechanic-level innovation can emerge in later versions and can be inspected directly through version-to-version records. The central contribution is therefore not only game generation, but a concrete pipeline for observing progressive evolution through explicit mechanic change.

CreativeGame：メカニクスを考慮した創造的ゲーム生成に向けて

CreativeGame:Toward Mechanic-Aware Creative Game Generation

要旨

Support