Reformando los NPCs comerciantes: Una nueva experiencia de juego
Haciendo que los NPCs comerciantes sean más interactivos para una jugabilidad más inmersiva.
Byungjun Kim, Minju Kim, Dayeon Seo, Bugeun Kim
― 11 minilectura
Tabla de contenidos
- El Papel de los NPCs Comerciantes en los Juegos
- Identificando los Problemas con los NPCs Comerciantes Actuales
- Precios Pasivos
- Comunicación Pasiva
- Introduciendo Modelos de Lenguaje Grande
- Desarrollando el Marco de Comercio
- Módulo de Tasación
- Módulo de Negociación
- Realizando Experimentos
- Métodos de Ajuste Fino
- Resultados de los Experimentos
- Rendimiento del Tasador
- Rendimiento del Negociador
- Abordando Casos Irregulares
- Regalos
- Improvisaciones
- Errores Aritméticos
- El Futuro de los NPCs Comerciantes
- Conclusión
- Fuente original
- Enlaces de referencia
En el mundo de los videojuegos, los personajes no jugables (NPCs) juegan un papel clave para crear una experiencia atractiva para los jugadores. Entre ellos, los NPCs comerciantes son especialmente importantes porque facilitan la compra y venta de objetos. Sin embargo, muchos de estos NPCs comerciantes tienen un comportamiento bastante aburrido, ofreciendo precios fijos y pocas interacciones con los jugadores. Imagina entrar a una tienda donde el vendedor solo te mira sin decir nada. Aburrido, ¿verdad? Esto ha llevado a un nuevo enfoque que busca hacer a estos comerciantes más vivos e interactivos.
El objetivo de mejorar los NPCs comerciantes es imitar cómo funcionan los comerciantes en la vida real. A diferencia de los diálogos guionizados y los precios invariables actuales, un NPC comerciante más activo negociaría precios y tendría conversaciones significativas. Esto significa que en lugar de solo tocar un botón para comprar un objeto, los jugadores tendrían la oportunidad de charlar con el comerciante, discutir precios y tal vez incluso regatear un poco.
Para lograr esto, los desarrolladores han recurrido a modelos de lenguaje grande (LLMs), una forma de inteligencia artificial que destaca en entender y generar texto parecido al humano. Estos modelos pueden ayudar a crear una interacción más dinámica entre los jugadores y los NPCs comerciantes. La idea es simple: hacer que los comerciantes sean más inteligentes para que puedan interactuar mejor con los jugadores y responder a sus necesidades.
El Papel de los NPCs Comerciantes en los Juegos
Los NPCs comerciantes tienen una función única en muchos juegos de rol de mundo abierto. Sirven como centros para intercambiar objetos, al igual que hacemos cuando vamos a un supermercado o a una tienda local acogedora. Sin embargo, la forma en que estos NPCs interactúan con los jugadores suele carecer de profundidad. Los jugadores generalmente se encuentran en una conversación unidireccional donde simplemente se les presenta una lista de objetos y precios.
Por ejemplo, si un jugador quiere comprar una espada brillante, hace clic en ella, ve el precio y completa la compra sin una interacción real. Es sencillo, pero no se siente personal. En la vida real, hacer compras a menudo es un diálogo lleno de preguntas y negociaciones. Los comerciantes pueden ajustar precios según la demanda y pueden charlar con los clientes para entender mejor sus necesidades. Haciendo a los NPCs comerciantes más interactivos, los jugadores pueden disfrutar de una experiencia más rica que imita la compra en la vida real.
Identificando los Problemas con los NPCs Comerciantes Actuales
El desafío con los NPCs comerciantes actuales se puede reducir a dos problemas principales: precios pasivos y comunicación pasiva.
Precios Pasivos
Con precios pasivos, los comerciantes se adhieren a precios fijos sin posibilidad de negociación. Imagina entrar a una tienda y que la etiqueta del precio nunca cambie, sin importar qué. En la vida real, los vendedores a menudo ajustan precios basándose en factores como disponibilidad, demanda y comportamiento del cliente. En contraste, los desarrolladores de juegos suelen establecer políticas de precios estrictas que no cambian.
Este sistema rígido de precios puede hacer que la experiencia de juego se sienta menos auténtica. Después de todo, a los jugadores les gusta el desafío de negociar un mejor trato o descubrir que el regateo puede llevar a un precio más atractivo. Para hacer que los NPCs comerciantes sean más atractivos, es esencial darles la libertad de ajustar precios según diferentes circunstancias, parecido a los comerciantes de la vida real que evalúan el valor de sus productos antes de vender.
Comunicación Pasiva
El segundo problema es cómo los NPCs comerciantes se comunican con los jugadores. Actualmente, muchos comerciantes dependen de mensajes guionizados que no logran crear una experiencia inmersiva. Los jugadores interactúan con los NPCs comerciantes a través de diálogos preescritos que no responden a necesidades individuales. Es como hablar con un robot que solo puede decir unas pocas frases.
En la vida real, la comunicación es fluida y implica un diálogo de ida y vuelta. Los jugadores disfrutarían de una experiencia más interactiva si pudieran hacer preguntas sobre los objetos, recibir respuestas personalizadas y participar en negociaciones similares a una experiencia de compra real.
Introduciendo Modelos de Lenguaje Grande
Entonces, ¿cómo pueden los desarrolladores solucionar estos problemas? La respuesta está en los modelos de lenguaje grande (LLMs). Estos modelos están entrenados en grandes cantidades de texto y pueden generar respuestas parecidas a las humanas. Al integrar LLMs con NPCs comerciantes, los desarrolladores pueden crear una experiencia más rica donde los NPCs puedan ajustar precios de manera dinámica y participar en conversaciones naturales.
Piensa en los LLMs como el cerebro detrás de un NPC. Pueden ayudar al comerciante a entender la intención del jugador, responder preguntas e incluso sugerir variaciones en el precio basadas en las características o compras anteriores del jugador. El objetivo es hacer que el NPC comerciante sea más cercano y adaptable, como un vendedor astuto que conoce bien su inventario y a sus clientes.
Desarrollando el Marco de Comercio
Para hacer realidad la idea de un NPC comerciante más activo, se ha propuesto un marco que se centra en dos componentes principales: un módulo de tasación y un módulo de negociación.
Módulo de Tasación
El módulo de tasación es responsable de determinar el valor de los objetos. En lugar de depender de precios fijos, este módulo permite al comerciante evaluar el valor de un objeto según sus atributos y tendencias actuales del mercado.
Esto es similar a cómo un joyero evalúa el valor de un diamante. El módulo de tasación utiliza LLMs para analizar descripciones de objetos y proponer un precio de venta. Este precio dinámico puede hacer que la experiencia de compra sea mucho más interesante para los jugadores, quienes luego pueden negociar un precio basado en la evaluación del tasador.
Módulo de Negociación
El módulo de negociación trabaja mano a mano con el tasador. Una vez que un jugador expresa interés en comprar un objeto, el negociador inicia un diálogo de ida y vuelta sobre el precio. Este módulo emplea LLMs para facilitar conversaciones y usar varias tácticas para convencer a los jugadores de que compren objetos.
Por ejemplo, si un jugador quiere comprar una espada, el negociador podría decir algo como: "Te puedo ofrecer esa espada por 100 monedas de oro, pero si compras un escudo también, puedo bajar el precio a 90 monedas". Este ir y venir no solo mantiene a los jugadores interesados, sino que también crea una sensación de satisfacción cuando logran negociar un buen trato.
Realizando Experimentos
Para asegurar que estos módulos funcionen de manera efectiva, se llevaron a cabo una serie de experimentos. El objetivo era comparar diferentes métodos de entrenamiento para descubrir cuáles resultaron en el mejor rendimiento tanto para los tasadores como para los negociadores. Aquí hay un resumen rápido de lo que se probó:
Métodos de Ajuste Fino
Se exploraron dos métodos de entrenamiento principales: ajuste fino supervisado (SFT) y destilación de conocimiento (KD). El SFT mejora el rendimiento de un modelo al entrenarlo en un conjunto de datos específico, mientras que el KD transfiere conocimiento de un modelo más grande a uno más pequeño, asegurando que los modelos más pequeños puedan seguir funcionando de manera efectiva sin requerir enormes recursos computacionales.
Los experimentos encontraron que los métodos SFT, especialmente cuando se aplicaron a modelos de lenguaje más pequeños, fueron efectivos en la creación de tasadores confiables. De manera similar, los métodos KD también mostraron promesas, demostrando que los modelos más pequeños podrían generar diálogos persuasivos sin requerir grandes demandas computacionales.
Resultados de los Experimentos
Los resultados de los experimentos proporcionaron valiosas ideas. Se demostró que el módulo de tasación era capaz de estimar precios de objetos con un alto nivel de precisión, mientras que el módulo de negociación demostró ser capaz de involucrar a los jugadores en diálogos significativos y persuasivos.
Rendimiento del Tasador
Los tasadores que usaban LLMs pudieron generar precios de venta que coincidían estrechamente con los valores reales de los objetos. Esto significa que los jugadores podrían tener confianza en las ofertas del comerciante, lo que los haría más propensos a realizar transacciones. Los jugadores que podían negociar a menudo descubrían que podían asegurar precios de objetos que se sentían justos y justificados.
Rendimiento del Negociador
En la parte de negociación, los resultados indicaron que los LLMs eran capaces de crear argumentos persuasivos y mantener un diálogo atractivo. La capacidad del negociador para usar diferentes tácticas para convencer a los jugadores mostró la versatilidad de los LLMs en la creación de una experiencia más interactiva.
Los jugadores apreciaban la oportunidad de negociar y sentían que sus acciones tenían un impacto real en el resultado, una experiencia que realza la inmersión y el disfrute.
Abordando Casos Irregulares
Aunque los experimentos arrojaron resultados positivos, también surgieron algunas irregularidades. Los desarrolladores deben estar al tanto de estos problemas potenciales al diseñar NPCs comerciantes. Por ejemplo:
Regalos
A veces, los comerciantes ofrecían artículos extra o bonificaciones para incentivar compras. Si bien esto refleja tácticas de venta de la vida real, puede alterar el equilibrio del juego si no se maneja adecuadamente. Los desarrolladores deben decidir si permitir tales comportamientos y cómo se ajustan a las reglas del juego.
Improvisaciones
Hubo ocasiones en que los comerciantes sugirieron artículos que no existían o hicieron comentarios extraños sobre su stock. Este fenómeno, conocido como "alucinación", suele ocurrir con modelos más pequeños que carecen de un entrenamiento robusto. Los desarrolladores deben prepararse para resultados inesperados e implementar sistemas para confirmar la legitimidad de los artículos sugeridos.
Errores Aritméticos
En algunos casos, los comerciantes tenían dificultades con cálculos básicos durante las negociaciones. Por ejemplo, pueden malinterpretar el costo total de múltiples artículos. Esto puede llevar a confusiones para los jugadores y alterar el proceso de negociación. Los desarrolladores podrían considerar usar herramientas externas para ayudar con cálculos y evitar este problema.
El Futuro de los NPCs Comerciantes
Transformar a los NPCs comerciantes en personajes más activos y atractivos puede mejorar significativamente la experiencia general del juego. A medida que los desarrolladores continúan refinando sus marcos y utilizando tecnologías avanzadas como los LLMs, las interacciones entre jugadores y comerciantes se volverán más auténticas y agradables.
Imagina entrar a un mercado virtual donde cada comerciante te recibe con una cálida sonrisa, recuerda tus compras anteriores y ofrece ofertas personalizadas. Las posibilidades son infinitas, y a medida que la tecnología evoluciona, también lo harán las experiencias que tenemos en los mundos de los videojuegos.
Conclusión
En resumen, repensar cómo los NPCs comerciantes interactúan con los jugadores puede llevar a una experiencia de juego más vibrante e inmersiva. Al abordar los problemas de precios y comunicación pasivos, los desarrolladores pueden crear comerciantes dinámicos que negocien precios y faciliten interacciones enriquecedoras. Con la ayuda de modelos de lenguaje grandes, es posible crear NPCs comerciantes inteligentes que imiten a los comerciantes del mundo real.
A medida que el panorama del juego continúa evolucionando, los desarrolladores tienen la oportunidad de dar vida a personajes de maneras que antes estaban limitadas a nuestra imaginación. En un mundo donde cada interacción puede sentirse genuina, los jugadores seguramente se encontrarán inmersos en una narrativa más rica, haciendo de cada compra una aventura en lugar de una tarea.
Así que, la próxima vez que estés comprando en un juego, considera las posibilidades: un comerciante charlatán que recuerda tus preferencias, ofrece gangas y tal vez hasta comparte un chiste o dos. ¡Eso sí que sería oro en los videojuegos!
Título: Leveraging Large Language Models for Active Merchant Non-player Characters
Resumen: We highlight two significant issues leading to the passivity of current merchant non-player characters (NPCs): pricing and communication. While immersive interactions have been a focus, negotiations between merchant NPCs and players on item prices have not received sufficient attention. First, we define passive pricing as the limited ability of merchants to modify predefined item prices. Second, passive communication means that merchants can only interact with players in a scripted manner. To tackle these issues and create an active merchant NPC, we propose a merchant framework based on large language models (LLMs), called MART, which consists of an appraiser module and a negotiator module. We conducted two experiments to guide game developers in selecting appropriate implementations by comparing different training methods and LLM sizes. Our findings indicate that finetuning methods, such as supervised finetuning (SFT) and knowledge distillation (KD), are effective in using smaller LLMs to implement active merchant NPCs. Additionally, we found three irregular cases arising from the responses of LLMs. We expect our findings to guide developers in using LLMs for developing active merchant NPCs.
Autores: Byungjun Kim, Minju Kim, Dayeon Seo, Bugeun Kim
Última actualización: Dec 15, 2024
Idioma: English
Fuente URL: https://arxiv.org/abs/2412.11189
Fuente PDF: https://arxiv.org/pdf/2412.11189
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.
Enlaces de referencia
- https://github.com/elulab/silkroad
- https://github.com/elulab/mart
- https://www.kaggle.com/datasets/ammaruddinqureshi/world-of-warcraft-classic-items-dataset
- https://openrouter.ai
- https://github.com/elu-lab/silkroad
- https://orcid.org/#1
- https://www.latex-project.org/
- https://github.com/elu-lab
- https://www.youtube.com/watch?v=VqVgXp-7h8A&t=706s
- https://wowpedia.fandom.com/wiki/Vendor