게임 디자인 지식 표현을 활용한 기계 창의성의 구현: 구조적 제약 하에서 LLM 기반 실행 가능한 목표 플레이 패턴 생성에 대한 실증적 연구

Grounding Machine Creativity in Game Design Knowledge Representations: Empirical Probing of LLM-Based Executable Synthesis of Goal Playable Patterns under Structural Constraints

복잡한 게임플레이 아이디어를 실행 가능한 결과물(예: Unity 프로젝트 및 코드)로 변환하는 것은 계산 게임 창의성의 핵심 과제입니다. 게임 디자인 패턴은 게임플레이 현상을 설명하는 구조화된 표현을 제공하며, 이를 통해 디자이너는 고수준 아이디어를 개체, 제약 조건 및 규칙 기반 동역학으로 분해할 수 있습니다. 그중에서도 목표 패턴은 일반적인 플레이어-목표 관계를 형식화합니다. 목표 플레이 가능 개념(GPC)은 이러한 추상화를 플레이 가능한 Unity 엔진 구현으로 구체화하여, 경험적 탐색과 조합형 게임 디자인을 지원합니다. 우리는 확장 가능한 플레이 가능 패턴 구현을 제약 조건 하에서의 실행 가능한 창의적 합성 문제로 정의합니다. 생성된 결과물은 Unity의 구문 및 아키텍처 요구 사항을 충족하는 동시에 목표 패턴에 인코딩된 의미론적 게임플레이 의미를 유지해야 합니다. 이러한 이중 제약은 확장성을 제한합니다. 따라서, 본 연구에서는 현대적인 대규모 언어 모델(LLM)이 엔진 수준의 구조적 제약 조건 하에서 이러한 합성을 수행하고, 목표 플레이 가능 패턴에 의해 구조화되고 조건화된 Unity 코드를 생성할 수 있는지 조사합니다. 26개의 목표 패턴 인스턴스를 사용하여, 직접 생성 기준(자연어 -> C# -> Unity)을 인간이 작성한 Unity 전용 중간 표현(IR)에 기반한 파이프라인과 비교합니다. 비교는 세 가지 IR 구성 및 두 가지 오픈 소스 모델(DeepSeek-Coder-V2-Lite-Instruct 및 Qwen2.5-Coder-7B-Instruct)을 사용하여 수행합니다. 컴파일 성공 여부는 자동화된 Unity 리플레이를 통해 평가합니다. 우리는 구현 실패 및 위생 실패 모드를 제안하며, 구조적 구현 및 프로젝트 수준 구현이 주요 병목 현상임을 확인합니다.

Creatively translating complex gameplay ideas into executable artifacts (e.g., games as Unity projects and code) remains a central challenge in computational game creativity. Gameplay design patterns provide a structured representation for describing gameplay phenomena, enabling designers to decompose high-level ideas into entities, constraints, and rule-driven dynamics. Among them, goal patterns formalize common player-objective relationships. Goal Playable Concepts (GPCs) operationalize these abstractions as playable Unity engine implementations, supporting experiential exploration and compositional gameplay design. We frame scalable playable pattern realization as a problem of constrained executable creative synthesis: generated artifacts must satisfy Unity's syntactic and architectural requirements while preserving the semantic gameplay meanings encoded in goal patterns. This dual constraint limits scalability. Therefore, we investigate whether contemporary large language models (LLMs) can perform such synthesis under engine-level structural constraints and generate Unity code (as games) structured and conditioned by goal playable patterns. Using 26 goal pattern instantiations, we compare a direct generation baseline (natural language -> C# -> Unity) with pipelines conditioned on a human-authored Unity-specific intermediate representation (IR), across three IR configurations and two open-source models (DeepSeek-Coder-V2-Lite-Instruct and Qwen2.5-Coder-7B-Instruct). Compilation success is evaluated via automated Unity replay. We propose grounding and hygiene failure modes, identifying structural and project-level grounding as primary bottlenecks.