← Neueste Arbeiten
🤖 KI

3D GameDev Arena: Benchmarking Coding Agents That Plan, Build, and Playtest extreme Long-Horizon Browser Games

Dieses Paper stellt die 3D GameDev Arena vor, einen umfassenden Benchmark mit 108 extrem langfristigen Aufgaben, die automatisierte Coding-Agenten in ihrer Fähigkeit bewerten, komplexe 3D-Browsergames von Grund auf zu planen, zu bauen und zu testen, wobei aufgezeigt wird, dass aktuelle Agenten bei solchen Aufgaben Schwierigkeiten haben und dass die Korrektheit auf Code-Ebene keine Spielerpräferenz garantiert.

Ursprünglicher Autor: Bizhe Bai, Jiliang Jian, Yuqing Yan, Tao Chen, Ying Wen

Veröffentlicht 2026-11-19
📖 5 Min. Lesezeit🧠 Tiefgang

Ursprünglicher Autor: Bizhe Bai, Jiliang Jian, Yuqing Yan, Tao Chen, Ying Wen

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht vom Autor verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich eine Welt vor, in der Sie einem Computer ein Videospiel beschreiben könnten und dieser nicht nur den Code schreibt, sondern auch die Charaktere entwirft, die 3D-Welt baut und den Spaßfaktor testet – alles ganz von selbst. Dies ist die Grenze der künstlichen Intelligenz, wo Forscher Maschinen beibringen, als Softwareentwickler zu agieren. Seit geraumer Zeit haben diese KI-Systeme bewiesen, dass sie in der Lage sind, kleine Fehler in bestehendem Code zu beheben oder einfache, flache Programme zu erstellen. Doch der wahre Test ihrer Fähigkeiten liegt darin, etwas Komplexes aus dem Nichts zu erschaffen: ein großes, dreidimensionales Spiel, das sich echt anfühlt, gut aussieht und tatsächlich Spaß macht zu spielen. Dies ist eine gewaltige Herausforderung, denn ein Videospiel ist nicht nur eine Liste von Anweisungen; es ist ein lebendiges System, in dem Physik, visuelle Elemente und Spielerentscheidungen nahtlos zusammenarbeiten müssen. Wenn der Code funktioniert, sich das Spiel aber steif oder langweilig anfühlt, hat es seinen wichtigsten Zweck verfehlt.

Ein Team von Forschern mehrerer Universitäten in China hat sich dieser Herausforderung gestellt, indem sie ein neues Testfeld namens 3D GameDev Arena geschaffen haben. Ihr Ziel war es zu sehen, ob aktuelle KI-Agenten in der Lage sind, ein vollständiges 3D-Spiel von Grund auf zu bauen, beginnend mit einem leeren Ordner und einer einfachen Textbeschreibung. Die Forscher gaben der KI keine fertigen Vorlagen, Starter-Codes oder gebrauchsfertigen 3D-Modelle. Stattdessen musste die KI das gesamte Projekt planen, ihre eigenen digitalen Assets wie Charaktere und Umgebungen finden oder erstellen, den Code schreiben, um sie zu bewegen, und dann das Spiel spielen, um zu sehen, ob es funktionierte. Die Aufgaben waren anspruchsvoll und deckten vierzehn verschiedene Arten von Spielen ab, von Rennspielen und Kämpfen bis hin zu Rollenspielabenteuern. Einige dieser Aufgaben erforderten, dass die KI fast acht Stunden lang arbeitete und über tausend einzelne Aufrufe an ihr „Gehirn“ tätigte, um das Spiel zu planen, zu bauen und zu korrigieren.

Die Ergebnisse dieses Experiments offenbaren eine überraschende Lücke zwischen dem, was eine Maschine korrekt ausführen kann, und dem, was ein Mensch als unterhaltsam empfindet. Die Forscher bewerteten die Spiele auf drei verschiedene Arten. Zuerst überprüften sie den Code, um zu sehen, ob das Spiel den Regeln folgte, wie etwa ob die Gesundheit eines Charakters korrekt sank, wenn er getroffen wurde. Zweitens setzten sie automatisierte Agenten ein, um die Spiele zu spielen und zu beurteilen, wie die 3D-Welt aussah und wie geschmeidig die Steuerung war. Schließlich brachten sie die Spiele in eine öffentliche Arena, in der echte menschliche Spieler zwei verschiedene Versionen desselben Spiels spielten und für die Version stimmten, die sie bevorzugten. Die Ergebnisse zeigten, dass die KI zwar oft Spiele bauen konnte, die die technischen Regeln erfüllten, das Bestehen dieser Regeln jedoch nicht garantierte, dass das Spiel auch Spaß machte. Tatsächlich wurden zwei KI-Systeme, die in den technischen Tests gleich gut abschnitten, von menschlichen Spielern sehr unterschiedlich bewertet; ein System wurde doppelt so häufig bevorzugt wie das andere.

Die Studie ergab, dass der Schlüssel zu einem erfolgreichen Spiel nicht darin lag, wie viel Code die KI schrieb oder wie viele 3D-Objekte sie der Szene hinzufügte. Ein KI-System, das die beliebtesten Spiele produzierte, hielt seinen Code klein und organisiert, während ein anderes, das bei der Spielerpräferenz Probleme hatte, riesige Mengen an Code schrieb und den Bildschirm mit Dutzenden zusätzlicher 3D-Modelle füllte, was die Navigation im Spiel oft erschwerte. Der entscheidende Unterschied lag darin, wie die KI ihre Arbeit überprüfte. Die Systeme, die Menschen am besten gefielen, verbrachten ihre Zeit damit, das Spiel in einem echten Browser zu spielen, die Charaktere in Bewegung zu beobachten und die Steuerung so zu testen, wie es ein Spieler tun würde. Die Systeme, die von Menschen weniger geschätzt wurden, verließen sich hauptsächlich auf statische Prüfungen, bei denen sie lediglich prüften, ob der Code auf dem Papier korrekt aussah, ohne das Spiel jemals laufen zu sehen. Dies deutet darauf an, dass eine KI, um kreative Aufgaben wie die Spieleentwicklung wirklich zu meistern, lernen muss, ihre eigenen Kreationen zu erleben und nicht nur deren Logik zu verifizieren.

Trotz dieser Erkenntnisse kommen die Forscher zu dem Schluss, dass der Bau großer 3D-Spiele von Grund auf noch lange nicht gelöst ist. Das beste KI-System erfüllte nur etwa zwei Drittel der technischen Anforderungen, und keines der Systeme erreichte eine hohe Punktzahl bei der Spielbarkeit oder der menschlichen Präferenz. Die KI hat immer noch Schwierigkeiten, KI-generierte 3D-Modelle in ein funktionierendes Spiel zu integrieren, wobei sie oft daran scheitert, die Charaktere passend zur Welt zu machen oder sie korrekt bewegen zu lassen. Zudem gelang es der KI zwar, ihr Ziel auch nach Stunden der Arbeit nicht aus den Augen zu verlieren, aber sie scheiterte häufig daran, ihren Plan anzupassen, um das Spiel natürlicher wirken zu lassen. Die Forscher betonen, dass die Fähigkeit, korrekten Code zu schreiben, nicht dasselbe ist wie die Fähigkeit, ein fesselndes Erlebnis zu schaffen. Während die KI weiter evolviert, besteht der nächste Schritt nicht darin, Maschinen zu bauen, die lediglich Anweisungen befolgen können, sondern Systeme zu entwickeln, die das subtile, menschliche Gefühl des Spielens verstehen können.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →