💻 computer science

CreativeGame:Toward Mechanic-Aware Creative Game Generation

Dit paper introduceert CreativeGame, een multi-agent systeem dat iteratieve creatieve verbetering van HTML5-games mogelijk maakt door programmatieke beloningen, lijn-gerichte geheugenaccumulatie, runtime-validatie en een mechanica-gestuurde planningscyclus te integreren om een interpreteerbare evolutie van spelmechanismen te ondersteunen.

Oorspronkelijke auteurs: Hongnan Ma, Han Wang, Shenglin Wang, Tieyue Yin, Yiwei Shi, Yucong Huang, Yingtian Zou, Muning Wen, Mengyue Yang

Gepubliceerd 2026-04-23

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Hongnan Ma, Han Wang, Shenglin Wang, Tieyue Yin, Yiwei Shi, Yucong Huang, Yingtian Zou, Muning Wen, Mengyue Yang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een robot hebt die heel goed kan schrijven, maar als je hem vraagt: "Maak een leuk spelletje," krijg je vaak iets dat er op papier mooi uitziet, maar dat in het echt niet werkt. Het is alsof je een architect vraagt een huis te tekenen, en hij geeft je een prachtig schilderij van een huis, maar als je erin probeert te wonen, valt het dak erop.

Dit rapport beschrijft CreativeGame, een slimme manier om die robot (een kunstmatige intelligentie) te leren om niet alleen te tekenen, maar om daadwerkelijk bouwplannen te maken die werken, en die steeds beter worden naarmate ze meer ervaring opdoen.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: De "Eén-Kans" Fout

Normaal gesproken vraagt iemand een AI: "Maak een spel." De AI doet een poging, en als het niet perfect is, gooit je het weg en begint je opnieuw. De AI vergeet wat er de vorige keer misging. Het is alsof een kok die elke keer een nieuw gerecht probeert, maar nooit onthoudt dat de soep te zout was.

CreativeGame lost dit op door te werken in geslachten (zoals een familieboom). Als het spel niet werkt, kijkt de AI naar de vorige versie, leert van de fouten, en bouwt de volgende versie daarop. Het onthoudt de geschiedenis.

2. De Vier Slimme Trucs

A. De "Bouwkundige Inspecteur" (In plaats van een Kritische Jury)

Normaal vraagt een AI: "Is dit spel creatief?" en de AI zegt dan vaak: "Ja, 7 op 10," omdat ze niet echt kunnen spelen.
CreativeGame gebruikt een Bouwkundige Inspecteur. Deze kijkt niet naar hoe "mooi" het klinkt, maar naar harde feiten:

Werkt het spel? (Ja/Nee)
Zijn er nieuwe regels toegevoegd? (Bijvoorbeeld: "Vroeger kon je alleen springen, nu kun je ook zweven.")
Is het niet alleen een verkleuring van een bestaand spel?
Als het spel crasht, krijgt de AI een nul. Dit dwingt de AI om iets te maken dat echt werkt, niet alleen iets dat klinkt als een goed idee.

B. De "Bouwplannen" (Mechanics)

Stel je voor dat je een huis bouwt. Je kunt zeggen: "Ik wil een huis," of je kunt zeggen: "Ik wil een huis met een zolder, een garage en een dakterras."
De meeste AI's zeggen alleen: "Huis."
CreativeGame dwingt de AI om eerst een Bouwplan te maken. De AI moet expliciet zeggen: "Vandaag voegen we een 'zwaartekracht-switch' toe." Pas daarna begint het met coderen. Dit zorgt ervoor dat de veranderingen doelbewust zijn en niet toevallig.

C. De "Gemeenschappelijke Herinnering" (Lineage Memory)

Dit is misschien wel het coolste deel. Stel je voor dat je een familie hebt. Als je opa een geheim recept voor soep heeft, en je vader leert het, en jij leert het van je vader... dan heb je een familie-erfgoed.
In CreativeGame hebben alle versies van een spel (v1, v2, v3) toegang tot dezelfde "herinnering". Als versie 1 ontdekt dat een bepaalde truc werkt, weet versie 3 dat ook. Ze delen hun ervaringen, zodat het spel niet steeds opnieuw bij nul begint, maar echt evolueert.

D. De "Reparatiewerkplaats"

Soms maakt de AI een fout in de code. In plaats dat het systeem crasht, is er een Reparatiewerkplaats ingebouwd. De AI ziet de fout, probeert het zelf te repareren, en test het opnieuw. Pas als het echt werkt, wordt het opgeslagen als een nieuwe versie.

3. Wat levert dit op? (De Magie van Evolutie)

Het rapport toont vier voorbeelden van hoe spelletjes veranderen van "saai" naar "geniaal" door deze evolutie:

Flappy Bird: Eerst was het gewoon: "Vermijd de buizen." Na een paar generaties werd het: "Je vliegbaan schrijft de route voor de toekomst." Het spel leerde van zijn eigen fouten en veranderde de regels op basis van hoe je vloog.
Plants vs. Zombies: In plaats van alleen bloemen neer te zetten om zombies te stoppen, leerde het spel om bloemen te gebruiken die zichzelf blokkeren om later een krachtigere aanval te doen. Het werd een spel over strategie en planning, niet alleen reactie.

De Grootste Les

De kernboodschap van dit onderzoek is: Creativiteit is geen toeval, het is een proces.

Door de AI te dwingen om plannen te maken, fouten te repareren, ervaringen te delen en te kijken naar de harde structuur van het spel (de regels), kunnen we AI's leren om niet alleen "dingen te maken", maar om ideeën te laten groeien. Het is alsof je een kunstenaar hebt die niet alleen één schilderij maakt, maar een hele serie waarbij elk schilderij beter is dan het vorige, omdat hij onthoudt wat er in de vorige misging.

Kortom: CreativeGame is de eerste stap naar AI's die niet alleen "nabootsen", maar echt leren bouwen en leren spelen.

Probleemstelling

Grote Taalmodellen (LLMs) kunnen weliswaar plausibele game-code genereren, maar het omzetten van deze capaciteit in een proces voor iteratieve creatieve verbetering blijft een groot probleem. Bestaande benaderingen lijden onder de volgende beperkingen:

Brittle runtime-gedrag: Eén-op-een generatie (single-shot) resulteert vaak in code die niet werkt of instabiel is.
Gebrek aan leercurve: Er is geen mechanisme om ervaring over verschillende versies heen op te slaan en te accumuleren.
Subjectieve evaluatie: Creativiteitsscores zijn vaak te subjectief en niet betrouwbaar als optimalisatiesignaal.
Mechanica als naslag: Spelmechanica worden vaak slechts als post-hoc beschrijvingen behandeld, in plaats van als expliciete objecten die tijdens de generatie gepland, bijgehouden en geëvalueerd kunnen worden.

Het fundamentele probleem is dat creativiteit open-ended en moeilijk te evalueren is, terwijl een meetbaar optimalisatiesignaal noodzakelijk is voor iteratieve verbetering.

Methodologie: Het CreativeGame Systeem

CreativeGame is een multi-agent systeem voor de iteratieve generatie van HTML5-games. Het systeem lost de bovengenoemde problemen op door vier gekoppelde ideeën te integreren:

Multi-Agent Architectuur:
Het systeem bestaat uit 7 logische agenten (10 uitvoerbare rollen), waaronder een Planner, Skeleton-Generator, Feature-Generator, Visual Enhancer, Refinement-agent, Repair-agent, Evaluator en Reflection-agent. De generatie verloopt in een lus van maximaal 3 iteraties (1 initiële generatie + 2 verfijningstappen).
Mechanic-Guided Planning Loop:
In plaats van direct code te genereren, gebruikt het systeem een Planner die eerst kennis uit een wereldwijd archief van spelmechanica (774 entries) ophaalt. Deze kennis wordt omgezet in een expliciet mechanisch plan (welke regels moeten behouden, toegevoegd of verwijderd worden). Dit plan fungeert als een contract voor de code-generatie.
CreativeProxyReward (Beloningssysteem):
Om de afhankelijkheid van subjectieve LLM-judgment te verminderen, wordt een hybride beloningssysteem gebruikt dat voor 65% bestaat uit deterministische, Python-side metingen:
- Positieve signalen: Realisatie van geplande mechanica (20%), structurele verandering in mechanica (25%), relatieve mechanische nieuwheid (20%), en runtime speelbaarheid (10%).
- LLM-component: Creativiteitsscore van de LLM (15%) fungeert slechts als een secundair signaal.
- Penalties: Strafpunten voor alleen cosmetische veranderingen of regressies in de kernfunctionaliteit.
- Gating Conditions: Een "harde poort" (hard gate) vermenigvuldigt de beloning met 0,5 als de runtime-test faalt, en een "zachte poort" verlaagt de score als de speelbaarheidssanity te laag is.
Lineage-Aware Memory & Runtime Validatie:
- Memory: Het systeem gebruikt een lineage-georiënteerd geheugen. Alle versies binnen één "stamboom" (lineage) delen een gemeenschappelijke memory.json, waardoor ervaring over versies heen wordt opgeslagen, terwijl verschillende stambomen geïsoleerd blijven.
- Validatie: Een Runtime Validator voert diepe statische analyse uit (controle op lusstructuren, canvas-context, input listeners) en optionele browser-executie (headless browser). Fouten leiden tot een reparatiestap voordat de evaluatie plaatsvindt.

Belangrijkste Bijdragen

Expliciete Mechanica als Planningsobject: Mechanica worden niet alleen als beschrijvingen gezien, maar als structurele elementen ( $m$ ) die gepland, vergeleken met de realisatie en opgeslagen kunnen worden. Dit maakt evolutie van spelregels traceerbaar.
CreativeProxyReward: Een beloningsfunctie die grotendeels gebaseerd is op deterministische code-analyse en runtime-validatie, waardoor Goodhart's Law (optimaliseren voor de beoordelaar in plaats van het doel) wordt tegengegaan.
Lineage-Geheugen: Een architectuur die ervaring accumuleert binnen een tak van generaties, in plaats van elke generatie als een geïsoleerde gebeurtenis te behandelen.
Integratie van Runtime Validatie: Het gebruik van runtime-tests als zowel een reparatiemotor als een harde poort voor beloning, wat de kwaliteit van de gegenereerde code aanzienlijk verhoogt.
Volledige Implementatie & Case Studies: Een werkend systeem (6.181 regels Python) met bewijs van mechanische innovatie in echte evolutielijnen (bijv. van "Fireboy and Watergirl" naar een "Memory Relay" concept).

Resultaten

Systeemstatistieken: Het systeem heeft 71 opgeslagen lineages (waarvan 9 met meerdere knopen tot diepte 4) en 88 bewaarde knopen. Het wereldwijde mechanica-archief bevat 774 entries.
Betrouwbaarheid: Door retry- en fallback-mechanismen is de succesratio van de pipeline gestegen naar >98%.
Evolutie van Spellen: Case studies (Fireboy & Watergirl, Flappy Bird, Happy Glass, Plants vs. Zombies) tonen aan dat het systeem in latere versies (v2-v4) de kernmechanica van een spel fundamenteel herinterpreteert.
- Voorbeeld: Bij Flappy Bird verschuift het concept van "obstakels vermijden" naar "route schrijven" waar het passeren van poorten de toekomstige route beïnvloedt.
- Voorbeeld: Bij Plants vs. Zombies verschuift het van "liniën verdedigen" naar "geplande onderbrekingen" waarbij het blokkeren van eigen vuur wordt gebruikt om later sterkere aanvallen te laden.
Scores: De gemiddelde creativiteitsscore is ~7.0/10 en de speelbaarheid ~6.5/10, hoewel deze scores worden gewaarschuwd als ruwe proxies en niet als gevalideerde maatstaven voor menselijk genot.

Betekenis en Conclusie

CreativeGame demonstreert dat creatieve spelgeneratie benaderd kan worden als een inspecteerbaar engineering-probleem. Door mechanica expliciet te plannen, structureel te evalueren en over generaties heen op te slaan, kan het systeem evolutie ondersteunen die verder gaat dan het genereren van een enkel speelbaar artefact.

De kernboodschap is dat creativiteit in games niet alleen een subjectieve indruk is, maar een proces van structurele verandering ( $G_{core}$ ) dat gemeten, geoptimaliseerd en geanalyseerd kan worden. Dit biedt een nieuwe richting voor het gebruik van LLMs in creatieve domeinen, waarbij de focus ligt op de evolutie van regels en interactie in plaats van alleen op de productie van code.