.png){kind=icon}
.png){kind=icon}
返回
Optimization method for immersive interactive drama plot generation based on virtual reality
.png){kind=icon}
OA
AI
DOI：10.1016/j.eij.2026.101039.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种针对沉浸式交互式戏剧叙事的优化方法，该方法基于以多模态感知、动态决策和协同生成为核心的整合设计原则。所提出的方法建立了一种由情感和行为共同驱动的自适应决策机制，从而超越了基于独立模块的传统优化范式。具体而言，该方法利用了自适应强化学习（ARL）和多模态生成对抗网络（MM-GAN）。首先采用多模态自适应神经网络对用户行为序列、言语和视觉行为进行建模，同时集成情感分析模块预测实时情感状态，以准确捕捉多维交互需求。随后，采用结合Double Deep Q-Network（Double DQN）和优先经验回放（PER）的ARL模型，以最大化用户体验的长期奖励，从而促进情节的动态分支决策。第三，利用MM-GAN在文本、图像和语音模态上生成个性化叙事内容，多任务联合优化框架确保各组件的协同训练。在自建VR-IID数据集上的实验结果表明，所提出的方法在情节连贯性（BERTScore-F1=0.897）、行为响应准确率（92.8%）和沉浸感评分（4.6分）方面优于主流基线模型。系统达到平均响应时间132 ms，满足VR环境的实时交互要求，并在58轮内实现训练收敛。此外，本研究引入了叙事适应性计算模型，用于量化用户状态与情节内容之间的匹配度，为交互式叙事的智能优化提供了可计算的理论基础。
Keyword:
Virtual reality
Immersive interactive drama
Plot generation
Generative adversarial network
User Experience
Adaptive reinforcement learning
Narrative adaptability
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。