浙大とTencent、AIに「演出家」の役割を担わせるロールプレイングフレームワークを発表

AIが「話す」だけでなく「考える」「動く」「環境を感知する」時代へ

浙江大学とTencent YouTu Labの研究チームが、汎用的な没入型ロールプレイングのための新たなフレームワーク「AdaMARP」を発表した。このフレームワークは、大規模言語モデル（LLM）を用いた従来のロールプレイングシステムが抱えていた「没入感の不足」と「静的なインタラクション構造」という2つの課題に、根本からアプローチするものだ。研究成果は、言語処理分野のトップカンファレンスであるACL 2026に採択されている。

従来のAIロールプレイングが抱える2つの限界

現在普及しているLLMベースのロールプレイングサービスは、ユーザーが設定したキャラクターとAIが会話を行う形式が主流だ。しかし、研究チームはその限界を指摘する。

第一に、環境情報が十分にモデル化されておらず、キャラクターが「空の部屋で独り言を言っている」ような状態になりがちな点だ。推理劇を例にとれば、事件現場のカーペットに残った蝋の痕や、証人の住居に置かれた未開封の手紙といった環境手がかりは、単なる装飾ではなく、物語の因果やプロットの転換点を推進する重要なシグナルとなる。従来のシステムでは、これらの環境信号がキャラクターの思考や行動と有機的に結びついていなかった。

第二に、シーンや登場人物が固定的で、物語が能動的に「進行」しない問題がある。ユーザーが特定のキャラクターと一問一答する形式では、複数の場所を巡って証拠を収集したり、新たな証人を動的に導入したりするような、複雑で開放的な物語の展開が難しい。

AdaMARPが提案する2つの革新：4チャネルメッセージとシーンマネージャー

AdaMARPは、これらの課題に「没入型メッセージ形式」と「適応的フレームワーク」という2つの柱で対応する。

1. Thought–Action–Environment–Speech：4チャネルメッセージ形式

AdaMARPの核心は、各インタラクションラウンドにおいて、思考（Thought）、動作（Action）、環境知覚（Environment）、発話（Speech）の4つのチャネルを交织させて情報を生成する点にある。例えば、シャーロック・ホームズが証人に質問する場面では、以下のような因果連鎖が形成される。

<ガス灯が揺らめき、証人は無意識に暖炉の時計を一瞥する> [彼は具体的な時間を回避している、あの時間帯には現場にいなかった]（パイプで軽くテーブルを叩きながら）「事件当晚の8時から9時、あなたは一体どこにいましたか？」

環境手がかりが内心の推理を引き出し、圧力をかける動作を経て、追及の発話へと繋がる。これにより、キャラクターの応答に深みと現実味が生まれる。

2. 3エージェントと5種類のアクションを持つシーンマネージャー

もう一つの重要な要素が「シーンマネージャー」だ。これは物語全体の「演出」を統括する役割を担い、以下の5種類の離散的なアクションを通じて進行を制御する。

• init_scene：シーンの初期化（例：ベーカー街221B）。
• pick_speaker：次の台詞を誰が話すかを選択し、理由も付与する。
• switch_scene：場所を切り替える（事件現場から証人のアパートへ）。
• add_role：物語の途中から新しいキャラクターを導入する。
• end：インタラクションを終了する。

このシーンマネージャーが、Actorモデル（キャラクターを演じるAI）とUserモデル（ユーザー側）を橋渡しし、「何時にシーンを切り替えるか」「何時に新たな証人を登場させるか」といった物語の大局的な進行を管理する。

実践例：シャーロック・ホームズの推理劇で動作を検証

研究チームは、シャーロック・ホームズの推理劇を題材にしたデモンストレーションでAdaMARPの有効性を示している。深夜の事件現場から始まり、ホームズが環境手がかり（蝋の痕）から推理を展開。シーンマネージャーの指示でワトソンが調査に向かい、舞台は大家の住居へと切り替わる。新たな証人（大家）が導入され、ホームズが尋問を開始する——という流れだ。各ステップでシーンマネージャーが発する「理由」付きのアクションが、一貫した物語の流れを保証している。

この研究は、AIとのインタラクションが単なるチャットから、環境と時間の経過を共有する「共演」へと進化する可能性を示唆している。今後、教育、エンターテインメント、心理療法など、さまざまな分野での応用が期待される。