🤖 AI

Orchestrated Reality: From Role-Play to Living, Playable Game Worlds -- LLM-Driven World Simulation as a Parameterized-Action POMDP

यह शोध पत्र "ऑर्केस्ट्रेटेड रियलिटी" (Orchestrated Reality) का प्रस्ताव करता है, जो एक LLM-संचालित ढांचा है जो गेम वर्ल्ड्स को एक सिंगलटन ऑर्केस्ट्रेशन एजेंट के माध्यम से एक कैनोनिकल JSON स्टेट को मैनेज करने वाले पैरामीट्राइज्ड-एक्शन POMDPs के रूप में औपचारिक रूप देता है, जिससे मुक्त-रूप नैरेटिव और कठोर, निरंतर विश्व सिमुलेशन के बीच के अंतर को पाटा जा सके।

मूल लेखक: Yuhang Huang, Chenmiao Li, Chaowei Fang

प्रकाशित 2026-06-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yuhang Huang, Chenmiao Li, Chaowei Fang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक टेक्स्ट-आधारित एडवेंचर गेम खेल रहे हैं जहाँ एक सुपर-स्मार्ट AI "डंजन मास्टर" (Dungeon Master) की भूमिका निभा रहा है। वर्तमान के अधिकांश AI गेम्स में, यह "डंजन मास्टर" एक कहानीकार की तरह होता है जो हर पाँच मिनट में कथानक (plot) भूल जाता है। यदि आप पूछते हैं, "लोहार कहाँ है?" तो AI कह सकता है कि वह आज गाँव में है, लेकिन पाँच मिनट बाद, वह कह सकता है कि वह महल में है, या वह कभी अस्तित्व में ही नहीं था। कहानी उस क्षण में वास्तविक लगती है, लेकिन पर्दे के पीछे की "दुनिया" विरोधाभासों और भूली हुई जानकारियों का एक ढेर होती है।

यह शोध पत्र इन दुनियाओं को बनाने का एक नया तरीका प्रस्तावित करता है, जिसे "ऑर्केस्ट्रेटेड रियलिटी" (Orchestrated Reality) कहा जाता है। AI को केवल "मनगढ़ंत बातें" करने देने के बजाय, यह इस दुनिया को एक कड़ाई से व्यवस्थित फाइलिंग कैबिनेट की तरह मानता है जिसे AI को लगातार चेक और अपडेट करना ही होगा।

यहाँ सरल उपमाओं (analogies) का उपयोग करके इसका विवरण दिया गया है:

1. समस्या: "भुलक्कड़ कहानीकार" (The Forgetful Storyteller)

वर्तमान में, AI गेम्स AI की अल्पकालिक स्मृति (इसके "कॉन्टेक्स्ट विंडो") पर निर्भर करते हैं। यह एक ऐसे कहानीकार की तरह है जो स्क्रिप्ट के केवल पिछले कुछ पन्नों को देखकर 10 घंटे की फिल्म याद रखने की कोशिश कर रहा है।

परिणाम: दुनिया अपना आकार खो देती है। पात्र भटक जाते हैं, स्थान बिना किसी कारण के बदल जाते हैं, और गेम नाजुक महसूस होता है। यदि सत्र समाप्त हो जाता है, तो दुनिया प्रभावी रूप से अस्तित्वहीन हो जाती है।

2. समाधान: "मास्टर लाइब्रेरियन" (The World-Agent)

लेखक एक एकल, केंद्रीय प्रबंधक पेश करते हैं जिसे "वर्ल्ड-एजेंट" (World-Agent) कहा जाता है। इस एजेंट को एक कहानीकार के रूप में नहीं, बल्कि एक लाइब्रेरियन के रूप में सोचें जिसके पास गेम का "स्रोत सत्य" (Source of Truth) है।

दुनिया एक फाइलिंग कैबिनेट है: दुनिया को टेक्स्ट के पैराग्राफ के रूप में नहीं, बल्कि JSON फाइलों (संरचित डेटा फाइलों) के एक पेड़ (tree) के रूप में देखा जाता है। प्रत्येक शहर, प्रत्येक पात्र, प्रत्येक वस्तु और प्रत्येक नियम एक विशिष्ट प्रारूप वाली एक विशिष्ट फ़ाइल है।
लाइब्रेरियन ही एकमात्र व्यक्ति है जो लिख सकता है: चाहे कोई भी बोल रहा हो (खिलाड़ी, एक NPC, या एक कॉम्बैट रेफरी), वे कहानी को सीधे नहीं बदल सकते। उन्हें लाइब्रेरियन को एक अनुरोध प्रस्तुत करना होगा।

3. यह कैसे काम करता है: "प्लान, चेक, स्टैम्प" लूप

हर बार जब गेम में कुछ होता है, तो सिस्टम एक सख्त चार-चरणीय प्रक्रिया (जिसे PDVA कहा जाता है) से गुजरता है:

प्लान (Plan): AI वर्तमान फाइलों (स्टेट) और खिलाड़ी की क्रिया (जैसे, "मैं सराय में प्रवेश करता हूँ") को देखता है। यह एक कहानी का मसौदा तैयार करता है और फाइलों में बदलाव का एक प्रस्तावित प्रस्ताव बनाता है (जैसे, "खिलाड़ी के स्थान की फ़ाइल को 'स्क्वायर' से 'टैवर्न' में ले जाएँ")।
डिफ (Diff): यह एक "डेल्टा" बनाता है—फाइलों में ठीक क्या बदलाव होने चाहिए, इसकी एक छोटी सूची।
वैलिडेट (Validate - द बाउंसर): यह सबसे महत्वपूर्ण चरण है। परिवर्तन को सहेजने से पहले, एक सख्त "बाउंसर" तीन चीजों की जांच करता है:
- स्कीमा (Schema): क्या परिवर्तन फ़ाइल प्रारूप में फिट बैठता है? (जैसे, आप "नाम" वाले क्षेत्र में "सोना" की संख्या नहीं डाल सकते)।
- अनुमति (Permission): क्या उस कर्ता के पास इसे बदलने का अधिकार है? (जैसे, खिलाड़ी खुद को हिला सकता है, लेकिन वह राजा के स्थान को नहीं बदल सकता)।
- नियम (Rules): क्या यह गेम के नियमों को तोड़ता है? (जैसे, आप बिना चाबी के बंद दरवाजे से नहीं गुजर सकते)।
अप्लाई (Apply): यदि यह बाउंसर को पास कर लेता है, तो परिवर्तन को एटॉमिकली कमिट (atomically committed) किया जाता है (सभी एक साथ सहेजा जाता है) और नई दुनिया की स्थिति का एक "फिंगरप्रिंट" (हैश) बनाया जाता है।

4. "पार्शियली ऑब्जर्वेबल" (Partially Observable) का जादू

शोध पत्र में इस गेम को एक पैरामीटराइज्ड-एक्शन POMDP के रूप में वर्णित किया गया है। सरल शब्दों में, इसका अर्थ है:

दुनिया वास्तविक है: डिस्क पर मौजूद फाइलें वास्तविक वास्तविकता हैं।
खिलाड़ी अंधा है: खिलाड़ी फाइलों को नहीं देखता। वह केवल AI द्वारा उन फाइलों के आधार पर उत्पन्न एक नैरेटिव प्रोजेक्शन (एक कहानी) देखता है।
उपमा: कल्पना कीजिए कि एक कठपुतली का खेल (puppet show) चल रहा है। वर्ल्ड-एजेंट वह सूत्रधार है जो धागे (JSON फाइलें) पकड़े हुए है। खिलाड़ी केवल मंच पर चलती हुई कठपुतलियों (कहानी) को देखता है। सूत्रधार जानता है कि हर कठपुतली कहाँ है, भले ही खिलाड़ी को पता न हो। यदि खिलाड़ी कठपुतली को पकड़ने की कोशिश करता है, तो सूत्रधार कठपुतली को हिलने देने से पहले नियमों की जांच करता है।

5. यह क्यों महत्वपूर्ण है (द ऑडिट ट्रेल)

चूंकि दुनिया को "फिंगरप्रिंट्स" (हैश) के साथ फाइलों में सहेजा जाता है, इसलिए यह गेम ऑडिट योग्य (auditable) है।

यदि खिलाड़ी कहता है, "रुको, लोहार कल यहाँ था!" तो सिस्टम फ़ाइल इतिहास को देख सकता है और बिल्कुल सिद्ध कर सकता है कि क्या हुआ, कब हुआ और क्यों हुआ।
यह AI को दुनिया की स्थिति के बारे में "झूठ" बोलने से रोकता है क्योंकि AI बिना वैलिडेशन चेक पास किए फाइलों को नहीं बदल सकता।

6. उन्होंने क्या पाया (अब तक)

लेखकों ने इस फ्रेमवर्क का परीक्षण परीक्षकों के एक छोटे समूह के साथ किया और पाया:

दुनिया जीवंत महसूस होती है: भले ही कोई बात न कर रहा हो, दुनिया नियमों (जैसे समय बीतने या घटनाओं के होने) के आधार पर अस्तित्व में रहती है और बदलती रहती है।
स्मृति वास्तविक है: पात्र चीजें इसलिए याद नहीं रखते क्योंकि AI ने चैट लॉग को "याद" किया, बल्कि इसलिए क्योंकि जानकारी को हर टर्न में फाइलों से फिर से इंजेक्ट किया गया था।
डिबगिंग आसान है: निर्माता यह देखने के लिए फाइलों को देख सकते हैं कि AI ने निर्णय क्यों लिया, बजाय इसके कि वे अनुमान लगाएं कि AI क्या सोच रहा था।

वे अभी तक क्या नहीं कर पाए हैं

यह शोध पत्र एक "प्रगति पर कार्य" (work in progress) है। उन्होंने इंजन बनाया है और कुछ लोगों के साथ इसका परीक्षण किया है, लेकिन उन्होंने अभी तक:

यह साबित करने के लिए सैकड़ों खिलाड़ियों के साथ बड़े पैमाने पर अध्ययन नहीं किया है कि यह मानक गेम्स से बेहतर है।
एक ऐसी दुनिया को पूरी तरह से लागू नहीं किया है जहाँ दर्जनों NPCs एक साथ कार्य करते हैं (वे आगे क्या करने की योजना बना रहे हैं)।

संक्षेप में: शोध पत्र का तर्क है कि AI गेम्स को वास्तव में खेलने योग्य और निरंतर बनाने के लिए, हमें दुनिया को एक बातचीत के रूप में मानना बंद करना होगा और इसे एक डेटाबेस के रूप में मानना शुरू करना होगा। AI एक अनुशासित लाइब्रेरियन बन जाता है जो डेटाबेस को अपडेट करता है, न कि एक अराजक कहानीकार जो कथानक भूल जाता है।

तकनीकी सारांश: ऑर्केस्ट्रेटेड रियलिटी (Orchestrated Reality)

समस्या विवरण

वर्तमान लार्ज लैंग्वेज मॉडल (LLM) सिस्टम सुसंगत, स्थायी गेम वर्ल्ड को बनाए रखने में संघर्ष करते हैं, विशेष रूप से ओपन-एंडेड सैंडबॉक्स या ओपन-वर्ल्ड सेटिंग्स में। जबकि LLMs चरित्र भूमिका निभाने (role-play) में उत्कृष्ट हैं, वे विश्व अवस्था (world state) का एक मान्य, सुसंगत प्रतिनिधित्व बनाए रखने में विफल रहते हैं (जैसे, "कौन कहाँ है," "क्या हुआ है," "वर्तमान में क्या सत्य है")। मौजूदा दृष्टिकोण आमतौर पर मुक्त-गद्य आख्यानों (free-prose narratives) पर निर्भर करते हैं जो बिना किसी स्थायी, मान्य प्रतिनिधित्व के अवस्था का दावा करते हैं। इसके परिणामस्वरूप तीन आवर्ती वास्तुशिल्प विफलताएं होती हैं:

अवस्थाहीनता (Statelessness): सत्र समाप्त होते ही दुनिया अस्तित्वहीन हो जाती है; "स्मृति" संदर्भ-विंडो (context-window) की निकटता तक सीमित होती है।
अमान्य लेखन (Unvalidated Writes): मॉडल मनमाने ढंग से विश्व परिवर्तन का दावा कर सकते हैं, जिससे अवस्था विचलित हो सकती है और मौन रूप से विरोधाभास जमा हो सकते हैं।
एकात्मक एजेंसी (Monolithic Agency): एक एकल प्रॉम्प्ट वर्णन (narration), चरित्र की आवाज़ और नियम निर्णय (rule adjudication) को मिला देता है, जिससे जटिल सिमुलेशन के लिए आवश्यक कार्यों के पृथक्करण (separation of concerns) को रोकना पड़ता है।

परिणामस्वरूप, मानव-हस्तक्षेप के बिना एक पूर्णतः स्वायत्त गेम इंजन बनाना वर्तमान में अव्यावहारिक है। यह शोध पत्र तर्क देता है कि यह वर्तमान डिप्लॉयमेंट की एक वास्तुशिल्प सीमा है, न कि भाषा मॉडलों की कोई अंतर्निहित सीमा।

कार्यप्रणाली: ऑर्केस्ट्रेटेड रियलिटी फ्रेमवर्क

लेखक ऑर्केस्ट्रेटेड रियलिटी नामक एक फ्रेमवर्क प्रस्तावित करते हैं, जो गेम वर्ल्ड को एक कैनोनिकल, ऑडिट करने योग्य ऑब्जेक्ट के रूप में मानता है जिसे एक सिंगलटन वर्ल्ड-एजेंट (World-Agent) द्वारा प्रबंधित किया जाता है। यह सिस्टम एक LLM-संचालित गेम वर्ल्ड को पैरामीटराइज्ड-एक्शन पार्शियलली ऑब्जर्वेबल मार्कोव डिसीजन प्रोसेस (PA-POMDP) के रूप में औपचारिक रूप देता है।

1. औपचारिक मॉडल

सिस्टम को टुपल $M = (S, A, \Omega, O, F, \rho_0)$ द्वारा परिभाषित किया गया है:

अवस्था (State - $S$ ): विश्व अवस्था केवल एक टेक्स्ट ब्लब नहीं है, बल्कि डिस्क पर संग्रहीत कैनोनिकल JSON संस्थाओं (entities) का एक वृक्ष (tree) है। प्रत्येक संस्था (NPCs, स्थान, क्वेस्ट, प्लेयर प्रोफाइल) एक टाइप किया गया JSON दस्तावेज़ है। अवस्था निरीक्षण योग्य, शाखाबद्ध (branchable) और कंटेंट हैश द्वारा संबोधित करने योग्य है।
क्रियाएँ (Actions - $A$ ): क्रियाओं को $a = (k, x_k)$ के रूप में पैरामीटराइज किया गया है, जहाँ $k$ एक डिस्क्रीट इंटेंट प्रकार है (जैसे, move, speak) और $x_k$ एक स्ट्रक्चर्ड JSON पैरामीटर सेट है।
अवलोकन (Observations - $\Omega$ ): एजेंट (खिलाड़ी) कच्ची अवस्था $s_t$ को नहीं देखता है। इसके बजाय, वह एक नैरेटिव प्रोजेक्शन $o_t = O(s_t)$ को देखता है, जो वर्ल्ड-एजेंट द्वारा उत्पन्न किया जाता है।
ट्रांजिशन कर्नेल (Transition Kernel - $F$ ): ट्रांजिशन एक प्लान-डिफ-वैलिडेट-अप्लाई (PDVA) पाइपलाइन द्वारा नियंत्रित होता है, जो LLM-संचालित है लेकिन स्कीमा-प्रतिबंधित है।

2. PDVA पाइपलाइन

प्रत्येक टर्न चार चरणों से होकर गुजरता है:

प्लान (Plan): कैनोनिकल JSON अवस्था के प्रासंगिक स्लाइस और खिलाड़ी के इनपुट से एक बाउंडेड कॉन्टेक्स्ट $p$ बनाया जाता है।
डिफ (Diff): LLM एक प्रतिक्रिया $r$ उत्पन्न करता है जिसमें अगले अवलोकन के लिए नैरेटिव टेक्स्ट और एक प्रस्तावित म्यूटेशन $\Delta_t$ (JSON ऑपरेशन्स की एक सूची: पाथ, ऑपरेशन, वैल्यू) दोनों शामिल होते हैं।
वैलिडेट (Validate): प्रत्येक प्रस्तावित परिवर्तन $\delta_j$ $δ_{j}$ कड़े सत्यापन से गुजरता है:
- SchemaOK: इसे JSON स्कीमा से मेल खाना चाहिए।
- PermOK: इसे प्रस्तावित अभिनेता के अनुमति दायरे (permission scope) के भीतर होना चाहिए।
- RuleOK: इसे गेम के नियमों को संतुष्ट करना चाहिए।
अप्लाई (Apply): सत्यापित परिवर्तनों को परमाणु रूप से (atomically) JSON ट्री में कमिट किया जाता है। एक कैनोनिकल इतिहास सुनिश्चित करने के लिए नई अवस्था को कंटेंट-हैश (SHA256) किया जाता है।

3. वर्ल्ड-एजेंट (The World-Agent)

वर्ल्ड-एजेंट सिंगलटन गेम मास्टर (GM) के रूप में कार्य करता है। यह वर्ल्ड डायरेक्टरी का स्वामित्व रखता है, टर्न लूप का प्रबंधन करता है, और "डिनाय-फर्स्ट" (deny-first) अनुमति मॉडल को लागू करता है।

मेमोरी इंजेक्शन: संदर्भ विंडो रिटेंशन पर निर्भर रहने के बजाय, वर्ल्ड-एजेंट प्रत्येक टर्न में कार्य करने वाले मॉडल के प्रॉम्प्ट में प्रासंगिक कैनोनिकल JSON प्रविष्टियों को सीधे इंजेक्ट करता है।
एटॉमिक कमिट्स: खिलाड़ी, विशेषज्ञ उप-एजेंटों (जैसे, कॉम्बैट रेफरी), या भविष्य के NPC माइंड्स के प्रस्तावों को वर्ल्ड-एजेंट के माध्यम से फ़िल्टर किया जाता है। प्रति टर्न डिस्क पर केवल एक एटॉमिक, कंटेंट-हैश्ड कमिट लिखा जाता है, जो रेस कंडीशंस को रोकता है।

मुख्य योगदान

यह शोध पत्र कार्य-प्रगति (work in progress) की रिपोर्ट करता है जिसके तीन प्राथमिक योगदान हैं:

औपचारिकीकरण (Formalization): LLM-संचालित गेम वर्ल्ड को एक PA-POMDP के रूप में एक औपचारिक परिभाषा देना, जहाँ एक एकल वर्ल्ड-एजेंट ट्रांजिशन कर्नेल (PDVA के माध्यम से) और ऑब्जर्वेशन कर्नेल (नैरेशन के माध्यम से) दोनों के रूप में कार्य करता है।
JSON स्टेट मॉडल: एक मूर्त कार्यान्वयन जहाँ दुनिया JSON दस्तावेजों का एक वृक्ष है, जिससे अवस्था को निरीक्षण योग्य, डिफर करने योग्य और कंटेंट हैशिंग के माध्यम से रीप्ले करने योग्य बनाया गया है।
इंसिडेंट कैटलॉग (Incident Catalogue): एक वास्तविक डिप्लॉयमेंट (जिसमें तीन महीनों में ~5 टेस्टर शामिल थे) से प्राप्त 15 ऑडिट करने योग्य घटनाओं का संग्रह। ये घटनाएं फ्रेमवर्क के तंत्रों को प्रदर्शित करती हैं, विशेष रूप से:
- मल्टी-एजेंट ऑर्केस्ट्रेशन: विशेषज्ञ उप-एजेंटों को टर्न सौंपना।
- JSON-फोर्स्ड मेमोरी इंजेक्शन: चैट हिस्ट्री के बजाय पुनः-इंजेक्ट की गई अवस्था के आधार पर संस्थाओं को लंबे अंतराल के बाद फिर से सामने लाना।
- JSON-फ्लो स्टेट कमिट्स: फाइलों पर स्कीमा-वैलिडेटेड डेल्टा लागू करना।

परिणाम और अवलोकन

शोध पत्र बड़े पैमाने पर प्लेयर स्टडी के लिए नियोजित भविष्य के कार्य के रूप में अंतिम सांख्यिकीय परिणाम प्रस्तुत नहीं करता है। हालांकि, यह प्रारंभिक अवलोकन प्रदान करता है:

परिकल्पना H1: प्री-कंडीशन-गेटेड एम्बिएंट इवेंट्स (जैसे, समय प्रगति, निर्धारित कार्यक्रम) सक्रिय चरित्र संवाद के बिना भी एक "जीवित दुनिया" का अहसास कराते हैं।
परिकल्पना H2: अमान्य कार्यों (वैलिडेशन फेल्योर) के नैरेटेड रिजेक्शन इमर्शन को तोड़े बिना खिलाड़ी के प्रभाव (consequence) की भावना को बढ़ाते हैं।
परिकल्पना H3: निरीक्षण योग्य, हैश-आइडेंटिफाइड अवस्था लेखकों के लिए दुनिया को डीबग करने और ब्रांच करने की बाधा को कम करती है।

15 इंसिडेंट उदाहरण प्रमाण-उपलब्ध (proof-of-concept) के रूप में कार्य करते हैं कि यह फ्रेमवर्क वास्तविक प्ले हिस्ट्री पर चल सकता है, और वहां निरंतरता बनाए रखता है जहां पारंपरिक LLM चैट सिस्टम भटक जाते हैं।

महत्व और दावे

यह शोध पत्र ऑर्केस्ट्रेटेड रियलिटी को "चरित्र-आधारित नैरेटिव जनरेशन" से "गेम-स्टोरी-ऑर्केस्ट्रेशन" की ओर एक बदलाव के रूप में प्रस्तुत करता है।

वास्तुशिल्प परिवर्तन: यह समस्या को भाषा मॉडल की सीमा से बदलकर एक वास्तुशिल्प विकल्प के रूप में पुनर्परिभाषित करता है, जो अमान्य गद्य से एक मान्य, इवेंट-सोर्स्ड स्टेट मॉडल की ओर बढ़ता है।
अगली पीढ़ी के गेम्स का आधार: गेम वर्ल्ड को एक GM-जैसे एजेंट के स्वामित्व वाले कैनोनिकल ऑब्जेक्ट के रूप में मानकर, यह सिस्टम पूरी तरह से स्वायत्त गेम इंजन के लिए आवश्यक बुनियादी ढांचा प्रदान करता है।
भविष्य की दिशाएं: लेखक मल्टी-एजेंट मार्कोव गेम्स (जहाँ NPCs समवर्ती एजेंट के रूप में कार्य करते हैं) और रीइन्फोर्समेंट लर्निंग (RL) वातावरण की ओर जाने वाले पथ की पहचान करते हैं। वे LLM स्टोकेस्टिसिटी के तहत नियतत्ववाद (determinism), समवर्ती एजेंटों के लिए लागत अनुशासन, और अनट्रैक्ड विवरणों पर नैरेटिव ड्रिफ्ट जैसे खुले प्रश्नों को स्वीकार करते हैं।

शोध पत्र इस फ्रेमिंग पर चर्चा और मल्टी-NPC मार्कोव गेम्स और सीखने योग्य RL वातावरण की ओर संक्रमण के लिए आमंत्रण के साथ समाप्त होता है, और इस बात पर जोर देता है कि वर्तमान कार्य उन उन्नत कार्यों के लिए आवश्यक "रनटाइम वर्ल्ड मॉडल" स्थापित करता है।