在人工智能领域，游戏代理的发展对于实现通用人工智能（AGI）至关重要。近年来，大型语言模型（LLMs）及其多模态版本（MLLMs）的进展为游戏代理的进化和能力提升提供了前所未有的机遇。这些模型不仅在自然语言理解（NLU）和生成式人工智能（Gen-AI）方面取得了重要里程碑，还使得游戏代理能够在复杂的计算机游戏环境中展现出类似人类的决策能力。

LLM驱动的游戏代理（LLMGA）的统一架构包含六个基本功能组件：感知（Perception）、记忆（Memory）、思考（Thinking）、角色扮演（Role-playing）、行动（Action）和学习（Learning）。这一架构旨在为构建和评估各种LLMGA提供一个统一的参考框架。

Figure 1 中的架构图通过展示这些模块之间的数据流和交互，说明了LLMGA如何在游戏中实现复杂的决策和行动。通过这种设计，LLMGA不仅能够处理复杂的游戏环境，还能够展现出适应性、学习和长期记忆等高级认知能力。

1. 感知（Perception）：感知模块被设计为游戏代理的“感官器官”，它的作用是接收来自游戏环境的多模态输入，包括文本、图像、声音和触觉信号等。这一模块的核心任务是捕捉游戏状态的关键信息，这些信息对于代理理解其所处环境并做出决策至关重要。例如，在文本游戏中，感知模块可能仅依赖于文本输入来理解玩家的指令和游戏的叙述；而在视频游戏中，感知模块可能需要集成视觉编码器来将视觉信息转换为文本描述，或者利用多模态LLMs来直接理解视觉输入。无论哪种方式，感知模块都必须高效且稳健，以确保代理能够准确获取游戏状态信息。

2. 记忆（Memory）：记忆模块在代理中扮演着至关重要的角色，它存储了代理的过去经验，包括观察结果、思考过程、行动以及技能，这些记忆对于策略的制定和决策至关重要。论文中将记忆分为三种类型：情景记忆、语义记忆和程序记忆。情景记忆存储了代理通过感知模块获得的观察流和游戏轨迹；语义记忆代表了代理对自身和游戏世界的理解；程序记忆则存储了代理通过经验学到的技能和策略。为了有效地使用这些记忆，代理需要一个检索系统，该系统可以根据当前的上下文和任务需求来筛选和提取最相关的记忆。记忆模块的设计模仿了人类的记忆机制，包括工作记忆和长期记忆，其中工作记忆存储当前上下文，而长期记忆存储过去的经验和知识。

3. 角色扮演（Role-playing）：角色扮演模块允许代理在游戏中扮演特定的角色，并根据这些角色的特征和目标展现出可信的行为。这一模块对于增强游戏的沉浸感和互动性至关重要，尤其是在那些具有角色扮演元素的游戏中。角色扮演不仅可以提升代理行为的丰富性、个性化和熟练度，还可以使代理生成包含情感信息的对话，使其行为更加真实可信。为了实现角色扮演，最简单的方法是将角色的身份描述，如性格特征、爱好、职业和社交关系等，作为初始记忆插入代理中。通过提供少量的对话示例或微调，可以进一步提高代理在会话任务中的角色扮演表现。一些更先进的方法，如CharacterLLM，通过构建角色的虚拟经历并用这些经历对LLM进行微调，使代理能够展现一致的性格并表达情感。

4. 思考（Thinking）：思考模块是LLMGA中的核心部分，它负责处理和分析由感知模块收集到的信息。这个模块的核心功能是基于推理、规划和反思来生成深入的思考，为代理的决策提供支持。推理过程涉及使用演绎、归纳和假设推理来概括观察结果、得出结论和推断解释。规划则涉及将复杂任务分解为更简单、可执行的子任务集，以实现长期和复杂目标。反思可以被视为一种特殊的推理，通常在收到先前尝试的反馈后发生，涉及代理分析自己的行为、决策和思考过程，并考虑如何根据收到的反馈进行改进。这种反思过程允许代理调整和完善其策略和行为，随着时间的推移促进学习和成长。

5. 行动（Action）：行动模块充当代理的“手”，它将思考模块产生的文本决策转化为可执行的游戏内行动。这个模块允许代理与游戏环境进行有效交互和操作，如移动角色、选择选项或与游戏对象进行交互。在需要精细控制的游戏中，行动模块可能需要将高级行动转换为低级行动，例如，将“砍番茄”的高级行动转换为寻找最短路径到目标、执行“砍”动作的一系列低级行动。在没有操纵控制的游戏中，行动模块可能只需要从一组给定的行动中选择，或者生成逐字的行动描述。

6. 学习（Learning）：学习模块是LLMGA持续进步的动力。它通过代理与游戏环境的互动和积累的经验来不断提升代理的认知和游戏能力。LLMGA通过在环境中的互动学习，这与人类通过与物理世界的互动获得知识的方式类似。学习可以通过多种方式进行，包括上下文反馈学习、监督式微调和强化学习。上下文反馈学习涉及将环境反馈纳入上下文，使LLM能够迭代地“加强”策略生成而无需更新权重。监督式微调涉及收集高质量的经验来微调LLM，基于这样的经验包含了环境知识。强化学习涉及训练LLM以根据从环境中接收到的奖励信号来改进其策略。通过这些学习方式，LLMGA能够逐渐适应并提高其在各种游戏环境中的表现。

LLMGA在多种类型的游戏中得到应用，每种游戏类型都提出了独特的技术挑战，并要求开发相应的优化策略来应对这些挑战。

冒险游戏中，故事是推动游戏进展的核心。在这类游戏中，玩家扮演主角，通过探索虚拟环境、解决谜题和与游戏世界中的人物及对象互动来推进故事情节。例如，像《Zork》这样的经典文本冒险游戏，玩家通过输入文本命令与环境互动，而像《Red Dead Redemption 2》这样的3D动作冒险游戏，则提供了更为丰富的视觉和交互体验。在冒险游戏中，LLMGA需要能够理解和回应复杂的叙事结构，以及生成连贯和有吸引力的故事情节。

通信游戏侧重于玩家之间的交流和互动，这类游戏通常涉及到沟通、谈判、推理甚至欺骗。例如，《Werewolf》和《Diplomacy》等游戏要求玩家通过语言交流来推断其他玩家的意图，并隐藏自己的策略。在这些游戏中，LLMGA需要具备高级的自然语言处理能力，以理解和生成符合游戏目标的对话。

竞争游戏考验玩家的技能和策略。在这类游戏中，玩家通常面对的是具有挑战性的对手，需要运用高级的推理和规划能力来取得胜利。例如，《StarCraft II》和《Pokémon Battles》等游戏中，LLMGA需要能够进行快速决策，制定战术，并适应不断变化的游戏环境。

合作游戏则强调团队合作和协作解决问题。在这类游戏中，玩家需要共同努力以达成共同目标。例如，在《Overcooked》这样的游戏中，玩家需要协同工作，以最快的速度准备和提供菜肴。LLMGA在合作游戏中需要能够理解和协调其他玩家的行动，并有效地分配任务。

模拟游戏提供了复制现实世界事件的环境，允许玩家体验和管理各种场景，如建设文明或体验另一种生活。例如，《The Sims》和《Civilization》等游戏要求玩家进行长期规划和管理，以确保他们管理的社会或文明的繁荣发展。在模拟游戏中，LLMGA需要能够处理复杂的模拟环境，并做出符合长期目标的决策。

制作与探索游戏提供了广阔的开放世界，玩家可以收集资源、制作物品并探索未知。例如，《Minecraft》和《Crafter》等游戏鼓励玩家发挥创造力和探索精神。在这些游戏中，LLMGA需要能够自主地探索环境，生成目标，并规划收集资源和制作物品的行动。

随着大型语言模型（LLM）技术的飞速发展，LLM驱动的游戏代理（LLMGA）在未来的研究和应用中展现出巨大的潜力。未来的探索将集中在以下几个核心方向：LLM的进一步环境融合，通过增强模型对物理世界影响的理解，将使得代理能够生成更符合实际的行动策略；知识发现的深化，通过游戏代理的互动体验，挖掘游戏机制背后的深层原理和因果关系，推动代理向更高层次的认知能力迈进；复杂人类交互的模拟，通过构建更精细的社会交互模型，促进代理在社交场景中的自然行为表现，为人工智能在更广泛领域的应用打下基础。

随着LLMGA在复杂环境中的决策能力不断提升，它们将能够更好地服务于人类，无论是在娱乐、教育还是专业领域。随着技术的不断成熟，我们期待LLMGA在未来能够展现出更加丰富、自然且富有创造性的智能行为，成为人类在数字世界中的得力伙伴。

论文地址：https://arxiv.org/abs/2404.02039

GitHub 地址：https://github.com/git-disl/awesome-LLM-game-agent-papers