技術要約：オーケストレイテッド・リアリティ（Orchestrated Reality）

問題提起

現在の大規模言語モデル（LLM）システムは、オープンエンドなサンドボックスやオープンワールドの設定において、一貫性のある持続的なゲーム世界を維持することに苦慮している。LLMはキャラクターのロールプレイには長けているが、検証された一貫性のある世界状態（例：「誰がどこにいるか」「何が起きたか」「現在何が真実であるか」）を維持することには失敗する。既存のアプローチは通常、状態を断定するだけの自由記述によるナラティブ（叙述）に依存しており、永続的で検証可能な表現を欠いている。これにより、以下の3つの繰り返されるアーキテクチャ上の失敗が生じる：

1. 無状態性（Statelessness）： セッションが終了すると世界は消滅する。「記憶」はコンテキストウィンドウの近接性に限定される。
2. 未検証の書き込み（Unvalidated Writes）： モデルが任意の変更を断定できるため、状態の乖離が発生し、矛盾が静かに蓄積していく。
3. モノリシックなエージェンシー（Monolithic Agency）： 単一のプロンプトが、ナレーション、キャラクターの声、およびルールの判定を混同しており、複雑なシミュレーションに必要な関心の分離を妨げている。

その結果、人間による介入なしに完全に自律的なゲームエンジンを構築することは不可能となっている。本論文は、これは言語モデル自体の固有の限界ではなく、現在のデプロイメントにおけるアーキテクチャ上の限界であると断じている。

手法：オーケストレイテッド・リアリティ・フレームワーク

著者らは、ゲーム世界をシングルトンの**ワールド・エージェント（World-Agent）によって管理される、標準的かつ監査可能なオブジェクトとして扱うオーケストレイテッド・リアリティ（Orchestrated Reality）と呼ばれるフレームワークを提案する。このシステムは、LLM駆動のゲーム世界をパラメータ化された行動の部分観測マルコフ決定過程（Parameterized-Action Partially Observable Markov Decision Process: PA-POMDP）**として定式化する。

1. 定式化モデル

システムはタプル $M = (S, A, \Omega, O, F, \rho_0)$ によって定義される：

• 状態 ($S$): 世界の状態はテキストの塊ではなく、ディスク上に保存された標準的なJSONエンティティのツリーである。すべてのエンティティ（NPC、場所、クエスト、プレイヤープロフィール）は、型定義されたJSONドキュメントである。この状態は、検査可能であり、分岐可能であり、コンテンツハッシュによってアドレス指定が可能である。
• 行動 ($A$): 行動は $a = (k, x_k)$ としてパラメータ化される。ここで $k$ は離散的な意図の種類（例：move, speak）であり、$x_k$ は構造化されたJSONパラメータセットである。
• 観測 ($\Omega$): エージェント（プレイヤー）は生のステート $s_t$ を直接観測するのではない。代わりに、ワールド・エージェントによって生成されたナラティブな投影 $o_t = O(s_t)$ を観測する。
• 遷移カーネル ($F$): 遷移は、LLMによって駆動されるがスキーマによって制約された**Plan–Diff–Validate–Apply（PDVA）**パイプラインによって制御される。

2. PDVAパイプライン

各ターンは、以下の4つの明確な段階を経て進行する：

1. Plan（計画）: 標準的なJSON状態の関連するスライスとプレイヤーの入力から、限定されたコンテキスト $p$ が構築される。
2. Diff（差分）: LLMは、次の観測のためのナラティブなテキストと、構造化された提案された変異 $\Delta_t$（パス、操作、値を含むJSON操作のリスト）の両方を含むレスポンス $r$ を生成する。
3. Validate（検証）: すべての提案された変更 $\delta_j$ は、厳格な検証を受ける：
   • SchemaOK: JSONスキーマに一致しなければならない。
   • PermOK: 提案者の権限範囲内に存在しなければならない。
   • RuleOK: ゲームルールを満たさなければならない。
4. Apply（適用）: 検証された変更は、JSONツリーに対してアトミックにコミットされる。新しい状態は、標準的な履歴を保証するためにコンテンツハッシュ化（SHA256）される。

3. ワールド・エージェント

ワールド・エージェントは、シングルトンのゲームマスター（GM）として機能する。それは世界のディレクトリを所有し、ターンのループを管理し、「拒否第一（deny-first）」の権限モデルを強制する。

• メモリ注入（Memory Injection）: コンテキストウィンドウの保持に頼るのではなく、ワールド・エージェントは、各ターンにおいて関連する標準的なJSONエントリを、動作しているモデルのプロンプトに直接注入する。
• アトミック・コミット: プレイヤー、専門のサブエージェント（例：戦闘レフェリー）、または将来のNPCの精神からの提案は、すべてワールド・エージェントを通じて集約される。ターンごとに、ディスクに書き込まれるのは、単一のアトミックでコンテンツハッシュ化されたコミットのみであり、これによりレースコンディションを防ぐ。

主な貢献

本論文は、進行中の研究として、主に3つの貢献を報告している：

1. 定式化: LLM駆動のゲーム世界を、単一のワールド・エージェントが遷移カーネル（PDVA経由）および観測カーネル（ナレーション経由）の両方の役割を果たすPA-POMDPとして、形式的に定義した。
2. JSONステートモデル: 世界がJSONドキュメントのツリーである具体的な実装を提供し、これにより状態の検査、差分抽出、およびコンテンツハッシュによる再生が可能となった。
3. インシデント・カタログ: 実装環境（約5名のテスターによる3ヶ月間の運用）から抽出された、監査可能な15のインシデントのコレクション。これらは、フレームワークのメカニズムがどのように機能するかを具体的に示している：
   • マルチエージェント・オーケストレーション: 専門のサブエージェントへのターンの展開。
   • JSON強制によるメモリ注入: チャット履歴ではなく、再注入された状態に基づいて、長い間隔の後にエンティティを再浮上させる。
   • JSONフロー・ステート・コミット: スキーマ検証済みのデルタをファイルに適用する。

結果と観察

本論文は、大規模なプレイヤー調査による最終的な統計結果は提示していない（それは今後の課題としている）。しかし、非公式なテストとマイニングされたプレイ履歴から得られた初期の観察を提示している：

• 仮説 H1: 前提条件によってゲートされた環境イベント（例：時間の経過、予定されたイベント）は、積極的なキャラクターの対話がなくても、「生きている世界」という感覚を生み出す。
• 仮説 H2: 無効なアクションに対するナラティブな拒絶（検証失敗）は、没入感を壊すことなく、プレイヤーに結果の重みを感じさせる。
• 仮説 H3: 検査可能でハッシュ識別された状態は、作成者が世界をデバッグしたり分岐させたりするための障壁を下げる。

15のインシデント例は、従来のLLMチャットシステムではドリフト（逸脱）してしまう場面において、本フレームワークが整合性を維持できることを示す概念実証（PoC）として機能している。

重要性と主張

本論文は、オーケストレイテッド・リアリティを「キャラクターベースのナラティブ生成」から「ゲーム・ストーリー・オーケストレーション」への転換として位置づけている。

• アーキテクチャの転換: 問題を言語モデルの限界からアーキテクチャの選択へと再定義し、検証されていないプローズ（散文）から、検証されたイベントソース型の状態モデルへと移行させている。
• 次世代ゲームの基盤: 世界をGMのようなエージェントが所有する標準的なオブジェクトとして扱うことで、本システムは完全に自律的なゲームエンジンのために必要なインフラストラクチャを提供する。
• 今後の方向性: 著者らは、マルチエージェント・マルコフゲーム（NPCが並行エージェントとして行動する世界）および、ゲーム世界モデルのための強化学習（RL）環境への道筋を特定している。また、LLMの確率性下での決定論、並行エージェントのコスト管理、および追跡されていない詳細に関するナラティブのドリフトといった未解決の問題も認めている。

結論として、本論文は、マルチNPCマルコフゲームへの移行や学習可能なRL環境への議論を促しており、現在の研究がそれらの進展に必要な「ランタイム・ワールドモデル」を確立していることを強調している。