Исследователи Ии-Чунь Чен и Арнав Джала представили пайплайн Narrative-to-Scene Generation, который автоматически создаёт последовательные 2D-игровые сцены на основе коротких текстовых описаний сюжета. Система использует большие языковые модели для анализа нарратива и генерации игровых локаций. Работа была представлена на воркшопе AIIDE 2025.
Пайплайн работает в три этапа: сначала LLM выделяет три ключевых момента времени в истории, затем извлекает пространственные предикаты в виде троек «Объект-Отношение-Объект». На основе этих данных система подбирает визуальные ассеты из датасета GameTileNet, используя эмбеддинги, учитывающие аффордансы объектов. Ландшафт генерируется с помощью клеточных автоматов, а объекты расставляются согласно логическим правилам, выведенным из структуры предикатов.
Разработка решает актуальную проблему в процедурной генерации контента — связь сгенерированного текста с игровым визуальным окружением. Существующие подходы часто фокусируются либо на создании истории, либо на генерации уровней, но не на их согласованной динамической связи, отражающей развитие сюжета во времени.
Система была протестирована на десяти различных историях. Оценка проводилась по трём критериям: соответствие тайлов объектам, выравнивание слоёв аффордансов и удовлетворение пространственных ограничений между кадрами. Авторы отмечают, что их прототип закладывает основу для будущих работ по обеспечению непрерывности между сценами, символическому отслеживанию состояния и координации множества агентов в сюжетно-ориентированной PCG.
