CreativeGame:Toward Mechanic-Aware Creative Game Generation

Titolo

CreativeGame: Verso una Generazione di Giochi Creativi Consapevole delle Meccaniche

1. Il Problema

La generazione di giochi interattivi creativi tramite Modelli Linguistici su Grande Scala (LLM) presenta sfide significative che limitano l'evoluzione iterativa:

• Fragilità Esecutiva: La generazione "single-shot" (in un solo passaggio) produce spesso codice che sembra plausibile ma fallisce a runtime (bug, loop mancanti, contesto non inizializzato).
• Assenza di Accumulo di Esperienza: I sistemi attuali non riescono a conservare e riutilizzare le conoscenze acquisite tra diverse versioni di un gioco, trattando ogni generazione come un evento isolato.
• Segnali di Ottimizzazione Soggettivi: Le valutazioni basate puramente sul giudizio dell'LLM sono soggettive, soggette a saturazione (punteggi costanti) e non forniscono segnali di ottimizzazione affidabili per migliorare la creatività strutturale.
• Trattamento delle Meccaniche: Le meccaniche di gioco sono spesso trattate solo come descrizioni a posteriori (post-hoc) piuttosto che come oggetti espliciti pianificati, tracciati e valutati durante il processo di generazione.

2. Metodologia e Architettura del Sistema

CreativeGame è un sistema multi-agente progettato per la generazione iterativa di giochi HTML5. L'architettura si basa su quattro idee chiave interconnesse:

A. Agenti e Flusso di Lavoro

Il sistema utilizza 7 agenti logici (che si traducono in 10 ruoli eseguibili, inclusi 4 sott-agenti per la generazione del codice: Skeleton, Feature, Visual, Refinement).
Il flusso segue un ciclo di pianificazione guidata dalle meccaniche:

1. Planner: Recupera conoscenze da un archivio globale di meccaniche e dalla memoria della linea genealogica (lineage), emettendo un piano esplicito di meccaniche da preservare, aggiungere o rimuovere.
2. Generazione: Produce il codice in fasi sequenziali.
3. Validazione e Riparazione: Un validatore runtime esegue analisi statiche profonde e, se disponibile, test di esecuzione nel browser. Se fallisce, viene attivata una fase di riparazione.
4. Valutazione e Riflessione: Calcola i reward e aggiorna la memoria.

B. CreativeProxyReward (Ricompensa Proxy Creativa)

Per evitare i limiti del giudizio soggettivo dell'LLM, il sistema introduce una funzione di reward composta da segnali deterministici:

• Formula: Un punteggio ponderato che include:
  • Realizzazione delle meccaniche (20%)
  • Cambiamento strutturale delle meccaniche (25%)
  • Novità relativa delle meccaniche rispetto all'archivio globale (20%)
  • Giocabilità runtime (10%)
  • Un componente ausiliario di creatività dell'LLM (15%).
  • Penalità per cambiamenti puramente estetici o regressioni.
• Gate (Soglie):
  • Soft Gate: Riduzione del punteggio se la "sanità di giocabilità" è bassa.
  • Hard Gate: Se il test runtime fallisce, il punteggio viene dimezzato (o azzerato), impedendo la promozione di giochi non funzionanti.

C. Memoria Consapevole della Linea Genealogica (Lineage-Aware Memory)

Invece di una memoria globale unica o isolata per ogni nodo, il sistema organizza le versioni in un albero genealogico (lineage).

• Tutti i nodi all'interno di una stessa linea genealogica condividono un pool di memoria comune (memory.json), permettendo l'accumulo di esperienza attraverso le versioni (v1, v2, v3, v4).
• Le diverse linee genealogiche rimangono isolate per evitare contaminazione di contesti diversi.
• Questo approccio, ispirato al lavoro MemRL, permette al sistema di imparare dai successi e fallimenti delle versioni precedenti dello stesso gioco.

D. Validazione Runtime Integrata

Il validatore opera su due livelli:

1. Tier 1 (Analisi Statica Profonda): Controlla bilanciamento parentesi, presenza di loop di gioco (requestAnimationFrame), contesto canvas, e listener di input. Esegue in <10ms.
2. Tier 2 (Esecuzione Browser): Opzionale, avvia un browser headless per verificare l'effettiva esecuzione e l'assenza di errori nella console.

3. Contributi Chiave

1. Formalizzazione delle Meccaniche: Le meccaniche di gioco non sono più semplici tag descrittivi, ma oggetti di pianificazione espliciti ($m$) che influenzano direttamente la struttura centrale del gioco ($G_{core}$). Il sistema pianifica i cambiamenti strutturali prima di generare il codice.
2. CreativeProxyReward: Una funzione di reward dove il 65% del peso positivo deriva da segnali deterministici (realizzazione meccanica, cambiamento strutturale, novità) e solo il 15% dal giudizio dell'LLM, riducendo il rischio di ottimizzazione per "sembrare creativo" senza esserlo.
3. Architettura di Memoria a Livello di Lineage: Un design che permette l'accumulo di esperienza tra le iterazioni di uno stesso progetto mantenendo l'isolamento tra progetti diversi.
4. Integrazione della Validazione Runtime: L'uso della validazione del codice come segnale di reward e trigger di riparazione all'interno del ciclo di generazione multi-agente.
5. Implementazione Completa e Studi di Caso: Un sistema autonomo di 6.181 righe di Python che dimostra l'evoluzione meccanica reale attraverso studi di caso su 4 linee genealogiche.

4. Risultati Empirici

• Dati: Il sistema ha generato 71 linee genealogiche (con un totale di 88 nodi salvati) e un archivio globale di 774 meccaniche.
• Affidabilità: Grazie ai meccanismi di retry e fallback, il tasso di successo della pipeline è superiore al 98%.
• Evoluzione delle Meccaniche (Case Study): L'analisi di quattro giochi (Fireboy & Watergirl, Flappy Bird, Happy Glass, Plants vs. Zombies) mostra che le versioni successive (v2-v4) non si limitano a migliorare la grafica, ma reinterpretano le meccaniche fondamentali:
  • Flappy Bird: Da semplice evitamento ostacoli a "scrittura di rotte" future.
  • Happy Glass: Da puzzle di disegno a "programmazione dello stato fluido".
  • Plants vs. Zombies: Da difesa statica a pianificazione di intercettazioni caricate.
• Punteggi: La creatività media è di ~7.0/10 e la giocabilità ~6.5/10 (valutazioni proxy, non validate su umani).

5. Significato e Implicazioni

Il lavoro di CreativeGame rappresenta un passo avanti significativo nel campo della generazione creativa automatizzata:

• Creatività come Problema Ingegneristico: Dimostra che la creatività nei giochi può essere trattata come un problema ingegneristico ispezionabile, dove le meccaniche sono pianificate, valutate strutturalmente e tracciate nel tempo.
• Superamento della Generazione "Single-Shot": Sposta il paradigma dalla generazione di un singolo artefatto giocabile all'evoluzione interpretabile "versione per versione".
• Riduzione della Soggettività: Sposta il focus dalla valutazione soggettiva dell'LLM a metriche strutturali e di esecuzione, fornendo segnali di ottimizzazione più robusti per l'apprendimento automatico.
• Fondamenta per la Ricerca Futura: Fornisce un framework formale per definire la creatività come cambiamento nella struttura delle regole ($G_{core}$) piuttosto che come variazione estetica ($G_{support}$), aprendo la strada a sistemi di IA capaci di progettare giochi con logica interna complessa e coerente.

In sintesi, CreativeGame non genera solo "codice di gioco", ma costruisce un processo di evoluzione meccanica dove ogni iterazione è consapevole delle regole del gioco precedente e pianificata per introdurre cambiamenti strutturali significativi e validi.