テーブルトークロールプレイング
ゲーム
(TRPG)は、複数の参加者がルールのもとでコミュニケーションをとりつつ、1つの物語を作りあげていく遊びである。TRPGには司会進行役である
ゲーム
マスター(GM)の不足という問題がある。この問題に対して物語の筋道を示すシナリオに沿って
ゲーム
の進行を行うよう試作したGM-AIでは、シナリオに記載のない話題への対応が課題として残っていた。本論文ではニューラルベースの応答生成を行う対話モデルを取り入れることで対応できる可能性を考えた。対話モデルを構築するうえで必要となるTRPGプレイの対話データを収集し、TRPGコーパスを作成した。TRPGコーパスを用いて対話モデルをファインチューニングし、生成した応答を評価することで、TRPGコーパスの有用性を検証した。対話モデルをGM-AIに導入してTRPGをプレイし、導入前と比較しどのような変化が生じるのかを報告する。
抄録全体を表示