Eine Übersicht zu spielagentenbasierend auf großen Sprachmodellen

Die Entwicklung von Spielagenten spielt eine entscheidende Rolle bei der Weiterentwicklung hin zur Allgemeinen Künstlichen Intelligenz (AGI). Der Fortschritt von LLMs und ihren multimodalen Pendants (MLLMs) bietet eine beispiellose Gelegenheit, Spielagenten mit menschenähnlichen Entscheidungsfähigkeiten in komplexen Computerspielumgebungen weiterzuentwickeln und zu stärken. Dieses Papier bietet einen umfassenden Überblick über LLM-basierte Spielagenten aus einer ganzheitlichen Perspektive. Zunächst stellen wir die konzeptionelle Architektur von LLM-basierten Spielagenten vor, die um sechs wesentliche funktionale Komponenten zentriert ist: Wahrnehmung, Gedächtnis, Denken, Rollenübernahme, Handlung und Lernen. Zweitens untersuchen wir bestehende repräsentative LLM-basierte Spielagenten, die in der Literatur dokumentiert sind, hinsichtlich Methodiken und Anpassungsfähigkeit über sechs Spielgenres hinweg, einschließlich Abenteuer-, Kommunikations-, Wettbewerbs-, Kooperations-, Simulations- sowie Crafting- und Erkundungsspielen. Abschließend geben wir einen Ausblick auf zukünftige Forschungs- und Entwicklungsrichtungen in diesem aufstrebenden Bereich. Eine kuratierte Liste relevanter Arbeiten wird gepflegt und ist zugänglich unter: https://github.com/git-disl/awesome-LLM-game-agent-papers.