Gene ación P ocedimen al de Compo amien o pa a
Videojuegos Na a i os basada en G andes Modelos del
Lenguaje
P ocedu al Gene a ion o Beha iou o Na a i e Video
Games based on La ge Language Models
T abajo de Fin de G ado
Cu so 2023–2024
Au o
Albe o Sánchez Mon al o
Di ec o es
Fede ico Peinado Gil
I ene González Velasco
G ado en Ingenie ía In o má ica
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id
Gene ación P ocedimen al de Compo amien o pa a
Videojuegos Na a i os basada en G andes Modelos del
Lenguaje
P ocedu al Gene a ion o Beha iou o Na a i e Video
Games based on La ge Language Models
T abajo de Fin de G ado en Ingenie ía In o má ica
Depa amen o de Ingenie ía de So wa e
e In eligencia A i icial
Au o
Albe o Sánchez Mon al o
Di ec o es
Fede ico Peinado Gil
I ene González Velasco
Con oca o ia: Junio 2024
G ado en Ingenie ía In o má ica
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id
27 de mayo de 2024
Ag adecimien os
En p ime luga me gus a ía da las g acias a mi di ec o , po esca a me
en el úl imo momen o de no pode elegi mi TFG y po la ayuda pos e io ,
y a mi codi ec o a, po las e isiones y co ecciones de la memo ia.
Ha sido un camino la go y muy di ícil, que he enido que eco e de
una o ma muy poco o odoxa debido a p oblemas de salud men al a ios.
Tengo que ag adece una y mil eces a mis pad es po su in ini a paciencia
y con ianza en mí, pese a que p obablemen e no las me ecía; a mis amigos
(Llo , Sele, Chia a y Vi) po esca a me en mis peo es momen os y hace me
eliz el es o del iempo; y a mi psicóloga, Ma ía José, po da me los ecu sos
que necesi aba pa a pode ehace me y e mina la ca e a.
Sin es os es pila es, no hab ía e minado el g ado, li e almen e, nunca.
Es e TFG ha sido el culmen de un eco ido con más bajos que al os que ha
acabado en una cu a exponencial hacia a iba.
Y como es e apa ado a de eso, una ez más, g acias.

Resumen
En los úl imos años, la e olución de la In eligencia A i icial Gene a i a
es á p o ocando cambios en una sociedad que cada ez iene más p esen e
es a ecnología en su día a día. La popula idad de los G andes Modelos
del Lenguaje y de los modelos de gene ación de imágenes ha despe ado un
enómeno, en el campo de la In o má ica, que pa ece que no ha hecho más
que empeza .
Es e abajo abo da es a po en e ecnología desde el pun o de is a del
desa ollo de ideojuegos, explo ando la posibilidad de que es os modelos se
apliquen en el ámbi o de los ideojuegos na a i os de mane a sa is ac o ia.
El obje i o del abajo es pone a p ueba las capacidades de los nue os
cha bo s y modelos de lenguaje pa a gene a au omá icamen e compo a-
mien os pa a un ideojuego na a i o, y es udia los pun os ue es y débiles
de es a ecnología al usa la sob e es e juego, a modo de sis ema que in e -
p e a la in e acción del jugado pa a a a de a anza en la ama. Se busca
ambién calib a el ni el de au onomía que se le puede da al modelo pa-
a que sea ac ible implemen a lo, pe o sin condiciona la a iabilidad que
puede apo a .
Se ha desa ollado es e sis ema en Uni y que se comunica, median e la
API de Cha GPT, con el modelo GPT-3.5 pa a la gene ación de compo a-
mien os a lo la go de una a en u a g á ica en la que el jugado debe guia a
una jo en p o agonis a a a és de un iaje oní ico pa a supe a el dolo de
una g an pé dida que ha su ido.
Como queda demos ado a lo la go de las muchas p uebas ealizadas,
g acias a las in e enciones de Cha GPT, en la mayo ía de los casos cada
pa e de la his o ia se esuel e de una mane a azonable, eniendo en cuen a
las in enciones del jugado y el modelo de juego p o is o inicialmen e.
Palab as cla e
In eligencia A i icial, LLM, Cha GPT, Modelo, Na a i a, Gene ación, Vi-
deojuego, Uni y.
ii
Abs ac
In ecen yea s, he e olu ion o Gene a i e A i icial In elligence is b ing-
ing abou changes in a socie y ha is inc easingly awa e o his echnology
in i s daily li e. The popula i y o La ge Language Models and image gene -
a ion models has awakened a phenomenon, in he ield o Compu e Science,
ha seems o ha e only jus begun.
This pape app oaches his powe ul echnology om he poin o iew
o ideo game de elopmen , explo ing he possibili y ha hese models can
be applied in he ield o na a i e ideo games in a sa is ac o y way.
The aim o he wo k is o es he capabili ies o he new cha bo s and
language models o au oma ically gene a e beha io s o a na a i e ideo
game, and o s udy he s eng hs and weaknesses o his echnology when
used on his game, as a sys em ha in e p e s he playe ’s in e ac ion o y
o ad ance he plo . We also seek o calib a e he le el o au onomy ha
can be gi en o he model so ha i is easible o implemen i , bu wi hou
condi ioning he a iabili y ha i can p o ide.
This sys em has been de eloped in Uni y ha communica es, h ough
he Cha GPT API, wi h he GPT-3.5 model o he gene a ion o beha io s
h oughou a g aphic ad en u e in which he playe mus guide a young
p o agonis h ough a d eamlike jou ney o o e come he pain o a g ea loss
she has su e ed.
As demons a ed h oughou he many es s pe o med, hanks o Cha -
GPT in e en ions, in mos cases each pa o he s o y is esol ed in a
easonable way, aking in o accoun he playe ’s in en ions and he game
model ini ially p o ided.
Keywo ds
A i icial In elligence, LLM, Cha GPT, Model, Na a i e, Gene a ion, Videogame,
Uni y.
ix
5.1. Diag ama simpli icado de la comunicación en e la lógica del
modelo y la API de Cha GPT pa a la p ime a i e ación. . . . 42
5.2. Cap u a del escena io de la he amien a du an e la p ime a
i e ación. Puede e se al pe sonaje, el cómic y un pa aguas
ep esen ado po un cono ojo, así como el ondo y el suelo. . 44
5.3. Diag ama simpli icado de la comunicación en e la lógica del
modelo y la API de Cha GPT pa a la segunda i e ación. . . . 46
5.4. Imagen del GameObjec cómic dibujado po mi y u ilizado
en la p ime a escena. . . . . . . . . . . . . . . . . . . . . . . . 51
5.5. Imagen del GameObjec pa aguas dibujado po mi y u i-
lizado en la p ime a escena. . . . . . . . . . . . . . . . . . . . 52
5.6. Cap u a de pan alla del escena io 1 en la segunda i e ación. . 52
5.7. Cap u a de pan alla del escena io 2 en la segunda i e ación . 52
5.8. Diag ama simpli icado de la comunicación en e la lógica del
modelo y la API de Cha GPT pa a la e ce a i e ación. . . . 56
5.9. Llamada a la unción Regex.Ma ch() pa a encon a un pa ón
den o del mensaje pasado como p ime pa áme o, siendo
es e pa ón de inido po la exp esión egula dada como
segundopa áme o........................ 58
5.10. Menú p incipal de la he amien a. . . . . . . . . . . . . . . . . 59
5.11. Menú de pausa de la he amien a. . . . . . . . . . . . . . . . . 60
5.12. Diag ama de clases simpli icado de la comunicación en e GPT-
Con olle y ResponseT aduc ion . . . . . . . . . . . . . . . . 66
5.13. Diag ama de secuencia simpli icado de la comunicación en e
GPTCon olle y ResponseT aduc ion . . . . . . . . . . . . . 66
5.14. Diag ama simpli icado de la comunicación en e la lógica del
modelo y la API de Cha GPT pa a la cua a i e ación. . . . . 67
5.15. Cap u a del menú de in en a io de Na ae e. . . . . . . . . . 71
5.16. Menú pa a in e ac ua con el NPC po onGPT ob enido de
un o og ama de Na ae e. . . . . . . . . . . . . . . . . . . . . 71
5.17. Fo og ama de una con e sación con el NPC po onGPT den-
odeNa ae e. ......................... 72
6.1. Uso de la API de Cha GPT en no iemb e . . . . . . . . . . . 81
6.2. Uso de la API de Cha GPT en diciemb e . . . . . . . . . . . 81
6.3. Uso de la API de Cha GPT en ene o . . . . . . . . . . . . . . 81
6.4. Uso de la API de Cha GPT en eb e o . . . . . . . . . . . . . 82

6.5. Uso de la API de Cha GPT en ma zo . . . . . . . . . . . . . 82
6.6. Uso de la API de Cha GPT en ab il . . . . . . . . . . . . . . 82
6.7. Uso de la API de Cha GPT en mayo . . . . . . . . . . . . . . 83
D.1. G á icos del juego Majo o i, de Al a Majo. . . . . . . . . . . . 104
D.2. Es ilo g á ico de un ideojuego de Jam. . . . . . . . . . . . . 105
E.1. Fo og ama de Na ae e. En la imagen se mues a el po al a
la siguien e escena que se ac i a al supe a la p ueba del NPC
po onGPT.............................132
E.2. Fo og ama de la he amien a en el que se puede obse a la
na ación del ejempla p incipal de Cha GPT. . . . . . . . . . 133
E.3. Fo og ama de Na ae e en el que se mues a la up u a de
pe sonaje del ejempla p incipal de Cha GPT debido a una
al a de espe o an e io . . . . . . . . . . . . . . . . . . . . . . 135
E.4. Fo og ama de Na ae e en el que se mues a la up u a de
pe sonaje del ejempla p incipal de Cha GPT . . . . . . . . . 135
E.5. Fo og ama en el que el jugado esc ibe la acción deseada (Ha-
ce cae el cómic) al ejempla p incipal de Cha GPT. . . . . . 136
E.6. Fo og ama pos e io al de la Figu a E.5 en el que el cómic ya
hacaído...............................136
E.7. En es e o og ama del ejempla p incipal (Nae eGPT) se pue-
de obse a cómo na a que Nae e ha encon ado una lla e
inexis en e. ............................137
E.8. Con e sación con el NPC quime aGPT en el que el jugado
con es a ”la luz” como espues a a una adi inanza que no ha
is o.................................138
E.9. Respues a del NPC quime aGPT al mensaje en iado po el
jugado en la Figu a E.8. . . . . . . . . . . . . . . . . . . . . . 139
E.10.Fo og ama de Na ae e de una in e acción con el NPC lo-
boGPT, en la que el jugado ha o ecido un hueso al NPC
pa aquelosiga. .........................139
E.11.Fo og ama de Nae ae e en el que el jugado in e ac úa con
el NPC gua daGPT. El NPC ha decidido no c ee al jugado
yda laala ma...........................140
E.12.P ime a p egun a del o mula io. . . . . . . . . . . . . . . . . 143
E.13.Segunda p egun a del o mula io. . . . . . . . . . . . . . . . . 144
E.14.Te ce a p egun a del o mula io. . . . . . . . . . . . . . . . . 144
E.15.Cua a p egun a del o mula io. . . . . . . . . . . . . . . . . . 144
E.16.Quin a p egun a del o mula io. . . . . . . . . . . . . . . . . . 145
E.17.Sép ima p egun a del o mula io. . . . . . . . . . . . . . . . . 145
E.18.Oc a a p egun a del o mula io. . . . . . . . . . . . . . . . . . 146
E.19.No ena p egun a del o mula io. . . . . . . . . . . . . . . . . . 146
Índice de ablas
6.1. Tabla de e o es de los ejempla es de Cha GPT. . . . . . . . . 78
6.2. Tabla de uso de la API de Cha GPT po pe iciones y okens. 80
xix
Capí ulo 1
In oducción
Es e abajo abo da el la explo ación de los g andes modelos de lenguaje
como he amien as pa a ideojuegos na a i os, que pueden apo a dina-
mismo y a iabilidad a la ho a de c ea his o ias, pe sonaliza la expe iencia
de juego y mejo a la in e acción en e el jugado y el mundo de juego.
1.1. Mo i ación
A lo la go de la His o ia, el se humano ha u ilizado los medios a su
alcance pa a con a his o ias: pin u a, li e a u a, cine, ideojuegos, e c. Es e
úl imo medio es el que iene más capacidad de in oluc a al público, que
puede in e eni en p ime a pe sona como si ue a el p o agonis a de la
his o ia, p o ocando, en cie o modo, que es a enga que eesc ibi se a cada
paso.
Los a ances en In eligencia A i icial (IA), especialmen e la c eación de
g andes modelos de lenguaje (LLM) y sus cha bo s, sugie en que la ecnología
pod ía es a lis a pa a acome e a eas c ea i as has a aho a p opias del se
humano, como la gene ación in e ac i a de his o ias. Es o pe mi i ía o ece
a iabilidad casi in ini a a un cos e muy bajo, ya que la au o ía humana se
educi ía al desa ollo de un guión base y unos con enidos eu ilizables en el
juego.
En is a de las posibilidades de es a ecnología den o del mundo de los
ideojuegos, (Huang y Huang, 2023), el obje i o de es e abajo es gene a
una his o ia en o ma de a gumen o de un ideojuego que se cons uye sob e
la ma cha pa iendo de un p ime ma e ial p ede inido, donde pa icipa un
jugado humano y una IA e ec úa un con ol indi ec o de odo lo que ocu e.
Es e ideojuego na a i o sigue las con enciones del géne o de la a en u a
g á ica poin -and-click, es á desa ollado en Uni y e in eg a comunicación
median e p omp s con múl iples ejempla es de Cha GPT, el popula cha bo ,
1

2Capí ulo 1. In oducción
basado en GPT 3.5, LLM de OpenAI.
El abajo ambién a a de esol e cie as cues iones que su gen al
plan ea la idea. ¿Qué se puede hace en un juego na a i o u ilizando la
“imaginación” de uno de es os modelos?, ¿cómo esuel e un puzle?, ¿cómo
sal a una si uación pelig osa?, ¿cuán a libe ad se le puede da pa a que sea
iable?, ¿es capaz de man ene la cohe encia de la his o ia?, ¿es necesa io
lle a lo de la mano du an e odo el iempo? Es as p egun as se an a esol e
a lo la go de es e abajo, c eando una his o ia en la que jugado y modelo
compa en los mandos del juego y ienen ambos el obje i o de ayuda a la
p o agonis a.
1.2. P opósi o
Es e abajo busca cons ui una he amien a con capacidad de comu-
nicación en e el mo o de un ideojuego na a i o y un G an Modelo de
Lenguaje (del inglés La ge Language Model, LLM). A lo la go de la in es-
igación ealizada se han encon ado a ios abajos de in es igación en los
que se u ilizan LLMs pa a la na ación de his o ias. Sin emba go, en ningún
caso se ha a ado de u iliza es os modelos como mo o p incipal del p o-
pio juego. Es e abajo p opone con e i al LLM en la base sob e la que
gi a una a en u a g á ica e implemen a lo an o pa a la na ación como pa a
la jugabilidad, u ilizándolo como analizado de las acciones del jugado e
in é p e e pa a p oduci acciones den o del juego.
Es e es el p opósi o de es e abajo, que es p incipalmen e un abajo de
in es igación de un ingenie o in o má ico, y que po an o se puede di idi
en es e apas:
In es igación. Un análisis p o undo de las ecnologías que se mencio-
nan y u ilizan a lo la go del abajo, así como el es udio del con ex o de
los ideojuegos na a i os y las di e en es o mas de con a his o ias en
ellos. En es a sección ambién se incluyen abajos de in es igación e-
lacionados con el ema, así como o os p oyec os lle ados a cabo den o
de la p opia indus ia del ideojuego.
Desa ollo. U ilizando el en o no de desa ollo Uni y y el lenguaje de
p og amación c#, se ealiza la conexión en e el mo o del juego y un
LLM. Además, el desa ollo se ealiza en i e aciones inc emen ales, ya
que al a a se de un abajo muy expe imen al se pueden encon a
obs áculos se ios que obliguen a eg esa al es ado de una i e ación
an e io pa a cambia el plan eamien o.
P uebas. T as el desa ollo, se es ablecen di e en es expe imen os y
p uebas a ealiza sob e la he amien a con el obje i o de p oba su
1.3. Alcance 3
e icacia y jus i ica las decisiones que se an a p opone como p incipios
de diseño a odo aquel que quie a cons ui un sis ema simila .
1.3. Alcance
En es e abajo se c ea una he amien a pa a explo a las posibilidades
de los LLMs en a en u as na a i as. Es o incluye la implemen ación de
una his o ia conc e a, con a ias acciones disponibles con las que se puede
mos a la iabilidad de es os modelos pa a a eas complejas donde se pone
a p ueba su consis encia y cohe encia; además de explo a cuál es la mejo
mane a de u iliza es a ecnología pa a apo a a iabilidad y dinamismo
den o de un ideojuego na a i o.
Es impo an e deja cla o que no se aspi a a c ea un ideojuego comple-
o, sino más bien a ealiza una p ueba de concep o de una he amien a que
pueda se u ilizada después pa a el desa ollo de múl iples his o ias in e -
ac i as, implemen ando una a en u a en o ma de pequeño ideojuego pa a
ealiza p uebas.
1.4. Asigna u as elacionadas
Al a a se de un T abajo de Fin de G ado (TFG), la in ención es in e-
g a conocimien os adqui idos a lo la go de la ca e a. El ema más ele an e
es la can idad de in es igación y expe imen ación que equie e es e p oyec o,
ya que se a a de una ecnología muy mode na que apenas se ha es udiado
con la p o undidad en que se abo da aquí. Po ello, la o ma de es uc u a
y de i e a ap endidas a lo la go de las p ác icas de a ias asigna u as se án
esenciales pa a pode abo da co ec amen e el desa ollo de es a he amien-
a. Además, se a a u iliza an o P og amación O ien ada a Obje os (POO)
como écnicas de Ingenie ía del So wa e (IS) pa a lle a a cabo una im-
plemen ación co ec a y bien o ganizada, como el uso del pa ón Single on.
También a a se impo an e el uso de au óma as (conc e amen e au óma as
ini os) pa a con ola el lujo de in e acción con la he amien a, así como
exp esiones egula es pa a la búsqueda de pa ones. Además, se a a c ea un
lenguaje o mal sencillo. O os emas elacionados con di e en es asigna u as
de la ca e a se i án exponiendo a lo la go de es a memo ia.
1.5. Es uc u a del abajo
El p esen e abajo se es uc u a como sigue. En es e Capí ulo 1 se p e-
sen a el alcance y el p opósi o que iene es e abajo. En el Capí ulo 2 se e-
4Capí ulo 1. In oducción
isa el es ado de la cues ión en ma e ia de In eligencia A i icial gene a i a y
na a i a en ideojuegos y o as he amien as. En el Capí ulo 3 se abo dan
los obje i os del abajo en mayo p o undidad, así como la especi icación de
la he amien a y el guion de la his o ia de ejemplo. En el Capí ulo 4 se p e-
sen a la me odología del abajo y las he amien as u ilizadas en el mismo.
El Capí ulo 5 abo da el desa ollo comple o de la he amien a, es uc u-
ado en cua o g andes i e aciones. A lo la go del Capí ulo 6 se discu en
los esul ados inales del abajo median e di e sas p uebas ealizadas sob e
la he amien a. Finalmen e en el Capí ulo 7 se p esen an las conclusiones,
que incluyen an o pun os posi i os como nega i os del uso de LLMs pa a la
c eación de compo amien os en ideojuegos.
Además, el Apéndice A y el Apéndice B con ienen la in oducción y
las conclusiones en inglés espec i amen e. En el Apéndice C se hace hin-
capié en la expe iencia ob enida con el p omp ing enginee ing, exponiendo lo
encon ado du an e el uso de Cha GPT y las pa icula idades del unciona-
mien o y la in e p e ación de las en adas de es e LLM. En el Apéndice D
se expone el dia io de desa ollo de odo el abajo, explicando las a eas
ealizadas y documen ando las ho as dedicadas como mé ica de es ue zo.
En el Apéndice E se exponen en de alle odas las p uebas y expe imen-
os ealizados con la he amien a. Po úl imo, el Apéndice F con iene una
explicación de alla ace ca de la ins alación y uso de la he amien a.
Capí ulo 2
Es ado de la cues ión
A lo la go de es e capí ulo se expone oda la in es igación lle ada a
cabo pa a elabo a el es ado de la cues ión sob e es e abajo. Consis e en
una b e e in oducción de las ecnologías u ilizadas y su uncionamien o, así
como la mención de los p incipales abajos elacionados con la ma e ia.
2.1. Concep os
Es a sección iene el obje i o de acili a la comp ensión del abajo, po
lo que se abo dan los di e en es concep os que se án u ilizados o mencionados
a lo la go del mismo.
2.1.1. Ap endizaje au omá ico
Se dice que un agen e ap ende cuando su desempeño mejo a con la expe-
iencia y median e el uso de da os; es deci , cuando la habilidad no es aba
p esen e en su geno ipo o asgos de nacimien o. (Russel y No ing, 2009).
El ap endizaje au omá ico es una ama de la IA ca ac e izada po su
capacidad pa a iden i ica pa ones sin in e ención humana, basándose en
da os p opo cionados o expe iencias p e ias. Es e campo busca, p incipal-
men e, la p edicción de esul ados de in e és a pa i de da os de en ada. En
la e olución de es os algo i mos, se des aca su capacidad pa a pe ecciona se
a medida que son en enados con nue os da os. Es e p oceso dinámico con-
ibuye a la mejo a con inua del endimien o de los algo i mos de ap endizaje
au omá ico. La e icacia y p ecisión de los esul ados es án di ec amen e in-
culadas a la ep esen a i idad y la can idad de los da os de en ada u ilizados
du an e el p oceso de en enamien o. Po an o, la obus ez del ap endizaje
au omá ico se e o alecida con la di e sidad y olumen de los da os, lo que
in luye di ec amen e en la calidad de las p edicciones.
5
12 Capí ulo 2. Es ado de la cues ión
Son muy ú iles hoy día en mul i ud de a eas de PLN, como ex o p e-
dic i o, aducción au omá ica, co ección o og á ica o econocimien o del
habla. Es a in o mación ha sido ecogida y sin e izada a pa i de las diapo-
si i as de ISIA (2022).
2.1.4. G andes modelos de lenguaje
Los G andes Modelos de Lenguaje o, en inglés, La ge Language Model
(LLM), son modelos de lenguaje que cons an de una ed neu onal con miles
de millones de pa áme os, en enados con g andes can idades de ex o sin
e ique a median e ap endizaje au osupe isado, que u iliza es os da os pa a
gene a sus p opias e ique as. Los LLM des acan en una amplia gama de
a eas en luga de es a capaci ados solo pa a una a ea especí ica, lo que
ha cambiado el en oque de la in es igación del p ocesamien o del lenguaje
na u al.
2.1.4.1. P omp
En el con ex o de los g andes modelos de lenguaje un “p omp ” es una
ins ucción, p egun a o ex o que se u iliza pa a in e ac ua con el modelo,
con el obje i o de ob ene la espues a que se busca.
Son comandos pa a solici a al modelo que ealice una a ea conc e a. Se
u ilizan an o en LLMs como en modelos gene a i os de imágenes y es an
ele an e en es os campos como pa a que exis a el denominado “p omp engi-
nee ing”, que consis e en analiza y pe ecciona los p omp s pa a consegui
ap oxima lo máximo posible la espues a del modelo a la deseada.
En es e abajo es muy impo an e el apa ado de p omp enginee ing,
ya que es undamen al que el modelo comp enda el con ex o de la his o ia,
los hechos de la misma y el lenguaje o mal de inido que debe emplea pa a
la salida y conexión con el mo o de ideojuegos.
Den o de es e con ex o, los LLMs ienen un g an p oblema debido a
su na u aleza p obabilís ica: la alucinación. Es e é mino se e ie e a la ge-
ne ación de espues as que, aunque apa en an se plausibles o cohe en es,
esul an se inco ec as, i eales o no es án undamen adas en da os e ó-
neos.
2.1.5. Na a i a y ideojuegos
A lo la go de la His o ia, el se humano ha u ilizado los medios a su
alcance pa a con a his o ias, como en pin u a, li e a u a, cine o ideojuegos.
Es e úl imo medio es el que iene más po encial pa a in oluc a al público,

2.1. Concep os 13
Figu a 2.5: Cap u a del ideojuego The Sec e o Monkey Island, Lucas ilm-
Games (1990).
que puede in e eni en p ime a pe sona como si ue a el p o agonis a de la
his o ia.
La na a i a en los ideojuegos ha ido e olucionando y se ha abo dado
desde múl iples pe spec i as y géne os. Exis en ideojuegos cuyas na a i as
son mani ies as y se cen an casi exclusi amen e en la p opia his o ia, dando
menos alo al apa ado jugable, quedándose casi ue a de la de inición de
juego. Un ejemplo de ideojuego na a i o son las a en u as g á icas de ipo
poin -and-click, como la amosa saga de Monkey Island, en la igu a 2.5;
una ob a clásica de los 90 en la que el jugado enca na a un jo en que quie e
con e i se en pi a a, y que pa a ello debe comple a es desa íos p opues os
po los líde es pi a a de la zona.
Sin emba go, es a no es la única o ma de con a his o ias en los ideo-
juegos. La mayo ía de ellos a a de uni mecánicas y na a i a pa a que
ambas engan un peso su icien e como pa a esul a en e enidas po sí mis-
mas, haciendo que su cohesión en el ideojuego esul e en una expe iencia
singula . Po ejemplo, D agon Ques VIII, el pe iplo del ey maldi o yElden
Ring.
D agon Ques VIII, en la igu a 2.6, abo da una na a i a he oica en
la que el jugado enca na a un jo en soldado que ha sido el único supe i-
ien e de una ca ás o e acon ecida en el eino de T odain. El Hé oe, jun o
a los compañe os que a conociendo a lo la go de la a en u a, se en en a án
a múl iples pelig os mien as pe siguen a Dhoulmagus, el bu ón esponsable
de la maldición lanzada sob e T odain, en un mundo abie o con comba es
alea o ios y decenas de desa ian es je es inales. Sus mecánicas, a g andes
asgos, son la explo ación y el comba e po u nos, que es á lleno de posi-
bilidades según el pe sonaje, las a mas y los hechizos que el jugado decida
14 Capí ulo 2. Es ado de la cues ión
Figu a 2.6: Po ada del ideojuego D agon Ques VIII, (Le el-5, 2006).
emplea , c eando una g an a iabilidad que en iquece cada en en amien o.
Es a conjunción esul a en una ob a maes a en la que el jugado es p o ago-
nis a de una his o ia épica que a e olucionando en una es upenda cohesión
de mecánicas y na a i a.
Po o o lado, Elden Ring, en la igu a 2.7, iene una his o ia más eso é-
ica y di ícil de segui . Su na a i a consis e en b e es cinemá icas y, sob e
odo, de alles que puedes encon a a lo la go del escena io y en los obje os,
na ando así la his o ia de una mane a más su il, siendo di ícil de comp en-
de a la pe ección si no es ás especialmen e in e esado en ella. Es e ipo
de juegos ponen más su oco en las mecánicas del comba e y la explo ación
del mundo, pasando a se la na a i a un elemen o mucho más implíci o y
isual. De es a o ma, el jugado puede encon a mic ohis o ias ocul as en
el p opio en o no a cada paso que da.
Siguiendo el hilo de es a o ma de na a i a menos explíci a apa ecen
ideojuegos como Li le Nigh ma es (Ta sie -S udios, 2017), G is (Nomada-
S udio, 2018) o Inside (Playdead, 2016). Es e ipo de juegos, gene almen e
independien es (o indies) suelen ene un apa ado a ís ico b illan e, unas
mecánicas simples pe o en e enidas, basadas en puzles, y una his o ia que
sólo se cuen a a a és de la na a i a isual. Es el jugado el que iene
que in e p e a odo lo que e, me iéndose en la piel del pe sonaje, que
se encuen a en un e i o io desconocido y, po lo gene al, hos il, has a
consegui llega a su des ino. En la igu a 2.8 puede e se una cap u a del
ideojuego G is (Nomada-S udio, 2018).
Po úl imo, po su elación con es e abajo, cabe des aca The Las
Gua dian, del que se puede e una cap u a en la igu a 2.9, un ideojuego
en e ce a pe sona que combina elemen os de acción y a en u a con ompe-
cabezas. El jugado con ola a un niño sin nomb e que debe coope a con
la c ia u a mi ad pája o mi ad lobo, llamada T ico, pa a esol e ace ijos y
2.1. Concep os 15
Figu a 2.7: Cap u a de Elden Ring ex aída de un Gameplay, (F omSo wa e,
2022).
Figu a 2.8: Gameplay del ideojuego GRIS, (Nomada-S udio, 2018).
16 Capí ulo 2. Es ado de la cues ión
Figu a 2.9: Cap u a del ideojuego The Las Gua dian, (Team-ICO, 2016).
explo a á eas. Su semejanza con es e p oyec o iene que e con la necesidad
de coope a con la in eligencia a i icial de T ico pa a esol e los puzles y
p og esa a lo la go de la his o ia.
Den o de los ideojuegos na a i os, las a en u as g á icas des acan po
su en oque en el a gumen o na a i o y la esolución de ompecabezas me-
dian e la in e acción con los obje os del escena io y la con e sación de allada
con los pe sonajes. G acias a es a o ma de in e acción, el géne o es u ili-
zado habi ualmen e con ines educa i os (Medina-Medina e al., 2018); po
ejemplo, como ins umen o pa a ayuda en la comp ensión lec o a (Medina-
Medina e al., 2017) o pa a la enseñanza de las ma emá icas (Papadimi iou
y Vi ou, 2016). Sin emba go, la p oducción de es os juegos es muy cos o-
sa: odo con enido que se in oduce en el juego equie e iempo y ecu sos
audio isuales conside ables, lo que limi a la lexibilidad y la capacidad de
adap a se a la na a i a.
El uso de IA pa a gene a na a i a lle a exis iendo desde hace décadas
(Peinado, 2008), aunque an sólo ecien emen e ha su gido un auge po las
posibilidades de la gene ación p ocedimen al de con enido (Bla z y Ko n,
2017). Median e es as écnicas es posible c ea mundos y expe iencias adap-
adas a los jugado es, educiendo en g an medida el cos e asociado a la
p oducción humana de con enido. Sin emba go, el alcance de la IA en es e
con ex o no e a an p o undo como pa a ans o ma signi ica i amen e la
na a i a.
T as la apa ición de los G andes Modelos de Lenguaje y sus cha bo s,
la ecnología pod ía es a lis a pa a acome e a eas c ea i as has a aho a
2.2. Tecnologías 17
p opias del se humano, como la gene ación in e ac i a de his o ias. Es o
pe mi i ía o ece a iabilidad casi in ini a a un cos e muy bajo, ya que la
au o ía humana se educi ía al desa ollo de un guión base y unos con enidos
eu ilizables en el juego. Se a a de he amien as pode osas pa a la gene a-
ción de his o ias en iempo eal o muy p óximo al eal que han e olucionado
el campo del In e ac i e Digi al S o y elling. La lexibilidad inhe en e a es os
modelos o ece la posibilidad de cons ui la his o ia paso a paso, eniendo
en cuen a una ’con e sación’con el jugado y sus decisiones, asegu ándonos
de que se pe sonaliza el esul ado.
A pesa de su po encial, el uso e ec i o de LLMs y cha bo s en ideojue-
gos na a i os aún p esen a desa íos signi ica i os: in eg a de mane a luida
la IA en la jugabilidad sin comp ome e la cohe encia na a i a y con e sa-
cional es una a ea compleja que debe abo da se con cuidado, ya que es os
modelos ienden a la alucinación y se á a ea del desa ollado educi es e
ipo de e o es en la medida de lo posible.
2.2. Tecnologías
Con el obje i o de acili a la comp ensión del abajo, en es a subsección
se de allan las di e en es ecnologías que se án u ilizadas o mencionadas a lo
la go del mismo.
2.2.1. Uni y
Uni y es un en o no de desa ollo de ideojuegos mul ipla a o ma que
pe mi e la c eación de juegos pa a una a iedad de disposi i os, incluyen-
do PC, consolas, disposi i os mó iles y ealidad i ual. Su popula idad se
debe en g an medida a su acilidad de uso, su obus ez, su ex ensa documen-
ación y su capacidad pa a p oduci esul ados de al a calidad an o pa a
desa ollado es no a os como expe imen ados.
Una de las ca ac e ís icas dis in i as de Uni y es su mo o de ende izado
3D en iempo eal, que pe mi e a los desa ollado es c ea g á icos imp e-
sionan es y e ec os isuales en ol en es. Además, Uni y o ece un conjun o
comple o de he amien as de desa ollo que aba can desde la c eación de
en o nos y pe sonajes has a la implemen ación de la lógica del juego y la
ges ión de ac i os. También dispone de una ienda de ecu sos de odo ipo
en la que el desa ollado puede ap o echa g á icos, sonidos y he amien as
c eados po la comunidad.
Uni y u iliza el lenguaje de p og amación C# como su p incipal opción
pa a la codi icación de sc ip s y la implemen ación de la lógica del juego.
Es a in eg ación con C# p opo ciona a los desa ollado es un en o no a-

18 Capí ulo 2. Es ado de la cues ión
milia y po en e pa a abaja , acili ando la c eación de compo amien os
in e ac i os y sis emas complejos den o del juego.
2.2.2. GPT
El T ans o mado Gene a i o P een enado, GPT po sus siglas en in-
glés, es un ipo de LLM p esen ado en 2018 po OpenAI, un labo a o io de
in es igación de IA undado en 2015. Es os modelos son edes neu onales
a i iciales que se basan en la a qui ec u a del ans o mado , p een enados
en g andes conjun os de da os de ex o sin e ique a .
En gene al, un LLM se puede e alua de mane a incomple a eniendo en
cuen a cie os c i e ios como el núme o de pa áme os del modelo ( amaño
del modelo), el amaño del conjun o de da os de en enamien o y el cos o de
en enamien o.
En 2018, OpenAI lanzó GPT-1, el p ime o que u ilizaba el modelo
de ans o mado gene a i o p een enado. Fue lanzado con 117 millo-
nes de pa áme os; se u iliza on 4,5 GB de da os de en enamien os,
ob enidos de 7000 lib os de dominio público de di e sos géne os. Po
úl imo, su cos o de en enamien o ue 1,7×1019 FLOP (ope aciones de
coma lo an e).
En 2019, lanza on GPT-2 con la misma a qui ec u a que su p edeceso ,
pe o inc emen ando su endimien o. En es e caso, el modelo cuen a
con 1.5 mil millones de pa áme os, 40 GB de ex o de 45 millones de
páginas web y su cos o de en enamien o es de 1,5×1021 FLOP.
El 28 de mayo de 2020 ue lanzado GPT-3, con un con eo de 175 mil
millones de pa áme os, 570 GB de da os de en enamien o y 3,1×
1023 FLOP de cos e de en enamien o. Supuso un sal o cuali a i o en
el ámbi o de los LLMs que no se igualó has a dos años después, con la
salida de GPT-3.5.
La al a compe i i idad que gene ó la salida de DALL-E 2, una he-
amien a de gene ación de imágenes basada en LLMs a mediados de
2022 po pa e de la p opia OpenAI, p o ocó que se deja an de publi-
ca odos los da os ace ca de sus modelos. Po es e mo i o, en el caso
de GPT-3.5, solamen e enemos disponibles el núme o de pa áme os
del modelo, que, al igual que su p edeceso , GPT-3, es de 175 mil mi-
llones, ya que se a a de una i e ación pos e io de es e. Sob e es e
modelo se lanzó Cha GPT, un cha bo que e olucionó el pano ama de
aplicaciones p ác icas y la popula idad de los LLMs.
2.2. Tecnologías 19
GPT-4 es el úl imo modelo GPT, lanzado po OpenAI en ma zo de
2023. En es e caso, ni siquie a se sabe el núme o de pa áme os del
modelo y se es ima su cos o de en enamien o en 2,1×1025 FLOP.
Pese a que ha pasado un año desde su salida, aún no ha sido lanzado
ningún modelo más po en e. Se especula que su al o endimien o se
debe al uso de una a qui ec u a basada en comi é de expe os (MoE).
2.2.2.1. Cha GPT
Cha GPT (Cha Gene a i e P e-T ained T ans o me ) es una aplicación
de cha bo lanzada el 30 de no iemb e de 2022 po OpenAI. Es e cha bo ha
enido al éxi o que has a la Real Academia Española (RAE) ha acep ado
el e bo “gepe ea ”1como neologismo e e ido a u iliza la aplicación. Es e
he amien a se pe eccionó sob e GPT-3.5 median e ap endizaje supe isado
y ap endizaje po e ue zo. Ambos en oques u iliza on ambién en enado es
humanos pa a mejo a el endimien o del modelo.
En el caso del ap endizaje supe isado, se do ó al modelo de con e sa-
ciones en las que los o mado es jugaban en ambos lados: el usua io y el
asis en e de IA. En el caso del ap endizaje po e ue zo, los en enado es
humanos p ime o clasi ica on las espues as que el modelo había c eado en
una con e sación an e io . Es as clasi icaciones se usa on pa a c ea “mode-
los de ecompensa” en los que el modelo se ajus ó aún más usando a ias
i e aciones de Op imización de Polí ica P oximal (PPO).
Pese a que su salida supuso una e olución, Cha GPT iene múl iples
limi aciones. El modelo de ecompensa de Cha GPT, diseñado en o no a la
supe isión humana, puede op imiza se en exceso y, po lo an o, di icul a el
endimien o, lo que ambién se conoce en IA como sob eap endizaje. Además,
Cha GPT en su e sión con GPT-3.5 iene un conocimien o limi ado de
los e en os que ocu ie on después de 2021. Además, sus espues as es án
limi adas po la censu a aplicada po OpenAI, que no pe mi e espues as que
puedan se conside adas polí icamen e inco ec as o polémicas. Sin emba go,
exis en o mas de lle a a es a he amien a a su e sión sin censu a u ilizando
he amien as de jailb eaking, que consis e en “engaña ” al modelo median e
lenguaje na u al, pa a ob ene las espues as que necesi as.
T as la salida de GPT-4 se in oduje on a ias no edades, como la bús-
queda en in e ne , “los GPTs” y la posibilidad de en ia cualquie ipo de
a chi os pa a que el modelo los in e p e e. Sin emba go, es as unciones es-
án limi adas a usua ios de pago po la eno me can idad de usua ios y cos e
de compu ación.
“Los GPTs” son, esencialmen e, ejempla es de Cha GPT especializados
1h ps://www. undeu.es/ ecomendacion/gepe ea -neologismo- alido/
20 Capí ulo 2. Es ado de la cues ión
en un ema según la con igu ación inicial que ealiza el usua io median e
lenguaje na u al, a a és del p omp . De es a o ma, se puede u iliza es-
os ejempla es pa a a eas especí icas como aducción, edición de ex os,
in e p e ación de a chi os, en e muchas o as a eas.
La salida de Cha GPT jun o con la de DALLE-E 2 en 2022, ambos
lanzados po OpenAI, e oluciona on el pano ama de la IA gene a i a. En
es e momen o, emp esas como Google o Me a, en e muchas o as, así como
o os p oyec os Open Sou ce, comenza on una ca e a po se la cabeza de
las IAs gene a i as basadas en ans o mado es.
2.2.3. Cha GPT API
Una API (In e az de P og amación de Aplicaciones) es un conjun o de
eglas y p o ocolos que pe mi e que di e en es sis emas in o má icos se co-
muniquen en e sí. Básicamen e, una API de ine cómo in e ac ua con un
so wa e o se icio especí ico, p opo cionando una in e az es anda izada que
acili a la in eg ación y el in e cambio de da os en e di e en es componen es
de un sis ema in o má ico.
Una API suele se un se icio que p opo ciona un e ce o pa a que cual-
quie usua io cuali icado que disponga de una cla e pueda hace uso de su
he amien a, median e pe iciones e in e cambio de in o mación con la mis-
ma. De es e modo, se puede u iliza una API pa a in eg a se icios ex e nos
en el p oyec o, pe mi iendo accede y u iliza uncionalidades p opo ciona-
das po e ce os. Po ejemplo, se puede usa la API de Google Maps pa a
mos a mapas in e ac i os y calcula u as; o la API de OpenAI pa a c ea
he amien as que implemen en Cha GPT o DALL-E.
Se a a u iliza la API de Cha GPT pa a la comunicación en e la he a-
mien a y el cha bo . En el Capí ulo 4 se explica en de alle es a comunicación.
2.2.4. O os g andes modelos
En es a sección, se expond án o os LLMs que compi en con GPT, cen-
ándose en sus ca ac e ís icas y compa ándolos con los di e en es modelos
de GPT.
Con el obje i o de pode isualiza co ec amen e mé icas como el nú-
me o de pa áme os, he cons uido el siguien e g á ico de ba as 2.10, en el
que no se incluye GPT-4 al se su núme o de pa áme os un da o no conocido.
2.2. Tecnologías 21
Figu a 2.10: G á ico que mues a de mane a compa a i a el núme o de pa-
áme os de di e en es LLMs.
2.2.4.1. PaLM
PaLM es un LLM desa ollado po Google AI, una di isión de Google
dedicada exclusi amen e a la IA. El modelo se anunció po p ime a ez en
ab il de 2022 y pe maneció p i ado has a ma zo de 2023, cuando Google lan-
zó una API pa a la he amien a. Es e modelo, al igual que GPT, es á basado
en la a qui ec u a de ans o mado es con 540 mil millones de pa áme os.
Pese a su g an po encia no consiguió e mina de compe i con GPT-3.5.
2.2.4.2. Gemini
Gemini es un LLM mul imodal, ambién desa ollado po Google AI, que
si e como suceso de PaLM. Fue anunciado a inales de 2023. Su e sión más
po en e, Gemini Ul a cons a de 1,75 billones de pa áme os y no es á dispo-
nible pa a el público gene al a día 1 de eb e o de 2024. Tiene como obje i o
compe i con GPT-4 de OpenAI, y según ellos es incluso más po en e. Su
e sión pública, Gemini P o, cons a de 175 mil millones de pa áme os y
puede u iliza se a a és de una API desde Google AI S udio.
2.2.4.3. LLaMA
O o LLM des acado es LLaMA, que ue lanzado po Me a AI, la di isión
de IA de Me a, en eb e o de 2023. Tiene g an a iedad de modelos de
di e sos amaños que an desde los 7 mil millones a 70 mil millones de
pa áme os. Pese a ene meno núme o de pa áme os ha demos ado ene
una po encia simila a GPT-3.5, y su compa a i a con es e modelo y con
28 Capí ulo 2. Es ado de la cues ión
llo de IA pa a o alece la segu idad y la obus ez de los modelos de
lenguaje, asegu ando así su uso segu o y é ico en di e sas aplicaciones.
Finalmen e e minamos explo ando di e sos usos de LLMs en el con ex o
de los ideojuegos. Especialmen e nos in e esa su aplicación en el desa ollo
de Pe sonajes No Jugado es (NPCs) y su papel en la cons ucción in eg al
del ideojuego en sí mismo.
Algunos ejemplos de LLMs en Pe sonajes No Jugado es (NPC):
Un modde econocido de la comunidad de Moun &Blade 2,BlocThe-
Wo ke , ha desa ollado un mod en Sky im pa a implemen a Cha GPT
en los NPCs, eniendo en cuen a su his o ia p ede inida en el juego pa-
a man ene su pe sonalidad o iginal, u ilizando ambién ex - o-speech
pa a da ida a los diálogos. (BlocTheWo ke , 2023).
N idia ha desa ollado una he amien a, llamada N idia ACE o Ga-
mes que in eg a NeMo, un LLM, en NPCs. Con es a he amien a, se
puede habla di ec amen e al pe sonaje con la p opia oz del jugado ,
y u iliza N idia Ri a pa a con e i oz en ex o. Con N idia Omni-
e se Audio2Face, puede gene a exp esiones aciales en iempo eal,
en unción de lo que se es é hablando. (N idia, 2023).
Recien emen e, Ubiso ha mos ado un p o o ipo, NEO NPC, de un
Pe sonaje No Jugado que pod ía llega a in e ac ua con los jugado-
es con o al libe ad g acias a las capacidades de su IA gene a i a.
Según Ubiso , su ecnología combina un modelo de lenguaje desa o-
llado po Inwo ld y la aplicación Audio2Face de N idia pa a gene a
con e saciones más ealis as.
También se usan LLMs pa a a a de gene a un ideojuego comple o.
Desde inicios de 2023 se es án iendo aplicaciones comple as de LLMs en
ideojuegos. Po ejemplo, un juego de his o ia con p egun as polémicas desa-
ollado po una IA, que consis e, básicamen e, en esponde a las p egun as
y ace a odas las que podamos en un iempo máximo de 30 segundos. Todo
el ex o que apa ece en el juego ha sido gene ado po la IA. (Genbe a.com,
2023).
O o ejemplo es el juego “desa ollado” po Alex Any an is. Ha u ilizado
an o Cha GPT como DALL-E pa a lle a a cabo an o implemen ación
como g á icos e his o ia. El juego, con es é ica pixel a , pe enece ía al géne o
de los RPG, aunque aún no es á e minado. (compu e hoy.com, 2023).

Capí ulo 3
Obje i os y especi icación
Pa iendo de la in es igación desc i a en el es ado de la cues ión, se ha
comp obado que, pese a habe se u ilizado di e en es LLMs in eg ados en
ideojuegos, siemp e ha sido desde el mismo p isma: da ida a los NPCs.
La p opues a de es e abajo abo da la búsqueda de nue os usos pa a es-
as ecnologías den o de los ideojuegos, ap o echando la a iabilidad que
apo an pa a que sea in luyen e en la his o ia y la jugabilidad de un ideojue-
go. Po ello, el p opósi o p incipal de es e abajo consis e en desa olla una
he amien a pa a la gene ación de compo amien os en ideojuegos na a i-
os basada en g andes modelos de lenguaje, c eando pa a ello una a en u a
g á ica poin -and-click que abo da el ema del dolo y la pé dida, y que
unciona en conjunción con a ios ejempla es de Cha GPT in eg ados en el
en o no de desa ollo Uni y.
Po eso, se ha es udiado ambién en nues a in es igación el uso de es as
ecnologías en el en o no de los ideojuegos y de la c eación de his o ias,
iendo que los LLMs ienen un g an po encial den o de la Na ación Digi al
In e ac i a o In e ac i e Digi al S o y elling. Es a he amien a busca acili a
el camino pa a in eg a LLMs en la gene ación de his o ias in e ac i as,
especialmen e pa a abaja con ideojuegos na a i os.
3.1. Obje i os
1. Descub i las mejo es he amien as pa a alcanza nues o p opósi o así
como los abajos p e ios más elacionados con es e pa a apoya nos en
ellos.
2. Diseña p omp s pa a cada si uación del juego que a en de minimiza
la can idad de e o es que se p oducen en las espues as de Cha GPT.
3. Diseña un sis ema de comunicación en Uni y con la API de Cha GPT
29
30 Capí ulo 3. Obje i os y especi icación
pa a que el jugado pueda in e ac ua con el en o no, in e p e ando
e icazmen e las espues as de la IA median e un lenguaje o mal. Se
ajus a á el con ol de Cha GPT, limi ando su libe ad c ea i a pa a
ajus a se al ema de ondo y a la na ación, pe o sin pe de el no
de e minismo y la a iabilidad.
4. Desa olla una a en u a g á ica donde odas las acciones del jugado
son in e p e adas y espondidas po Cha GPT, con su icien es elemen-
os na a i os como pa a gene a una his o ia no i ial y con a iabi-
lidad.
3.2. Especi icación
Como se ha is o den o del apa ado co espondien e en el Capí ulo 2, la
IA se lle a u ilizando en ideojuegos desde hace muchos años, e incluso la IA
gene a i a se ha comenzado a usa en algunos p oyec os aislados más expe i-
men ales. Sin emba go, la explo ación de la IA gene a i a en ideojuegos se
ha limi ado a su implemen ación en NPCs o a su uso como asis en e du an e
el p oceso de desa ollo. Du an e la in es igación, no se ha encon ado nin-
gún abajo que ap o echase aún más la po encia de los LLMs, explo ando
posibles usos y limi aciones, y po ello se p opuso la he amien a que ocupa
un luga cen al en es e abajo.
La he amien a ecibe el nomb e de Na ae e, queda desc i a a ni el
uncional po la siguien e especi icación de equisi os:
Sis ema de comunicación en e Uni y y Cha GPT a a és de la API
que p opo ciona OpenAI. Un ejempla de Cha GPT in e p e a y es-
ponde a las acciones ealizadas po el jugado con o a acción a ealiza
en el mundo po Na ae e. Po ejemplo, an e una en ada del jugado
consis en e en hace click en un obje o de la pan alla, la espues a
puede se mo e se hacia el obje o, coge lo, esconde se en él, e c. Es e
sis ema incluye:
•In eg ación de un paque e de comunicación con Cha GPT en
Uni y, con las modi icaciones necesa ias pa a adap a lo a Na ae-
e.
•In e az de usua io pa a en ia mensajes al LLM y mos a sus
espues as.
•Clase que encapsula la aducción de los mensajes de Cha GPT
pa a se in e p e ados como acciones den o de Na ae e, así como
el en ío a es e mismo modelo de las acciones ealizadas po el
usua io.
3.2. Especi icación 31
•Conjun o de acciones de inidas que se pueden ealiza en el mun-
do de juego: mo e , sal a , esconde se, habla , e c. Cuan as más
acciones se de inan, más comple os y a iables se án los compo -
amien os del LLM.
•NPCs que se co esponden con ejempla es de Cha GPT, con un
con ex o de e minado pa a que la in e acción no se salga del mis-
mo. También incluye in e az de usua io pa a la comunicación con
es os ejempla es.
Conjun o de p omp s pa a odos los ejempla es de Cha GPT que sean
c eados. También hay p omp s más sencillos pa a si uaciones conc e as
de la he amien a, como cambios de escena o la ac i ación de un e en o.
Con enido na a i o in oducido en Na ae e pa a que la IA pueda
gene a sus espues as cohe en emen e.
•Guión de una his o ia que abo da el ema del dolo y la pé dida,
en un en o no muy oní ico que admi e muchas in e p e aciones.
La sinopsis es:
Una niña de once años, llamada Nae e, i e una expe iencia au-
má ica al pe de a sus pad es a manos de un homb e con somb e o.
T as es o, en a en es ado de shock po el dolo y se “ e ugia” en-
ce ándose den o de su p opia men e. Cuando ecob a el sen ido
es á en un bosque o men oso; ha caído la noche y apenas se puede
e .
Es en la men e de es a niña donde ocu en los sucesos na a i os,
en ese espacio oní ico (un bosque en una noche llu iosa en el
p ime escena io) en el que casi odo es posible. A a és de las
acciones del jugado y la c ea i idad que apo a el ejempla de
Cha GPT la his o ia a anza á, mien as ella a a de supe a los
di e en es ni eles del juego, sob eponiéndose a su dolo poco a
poco.
El único pe sonaje jugable es Nae e, Figu a 3.2, pe o a lo la go
del escena io ambién se pueden encon a NPCs (Pe sonajes No
Jugado es), el homb e con somb e o, Figu a 3.1, y mul i ud de
obje os. En e los obje os podemos encon a elemen os salidos
di ec amen e de la men e de Nae e, como un cómic, un pa aguas,
una mesa, un so á, en e o os, y o os elemen os pe enecien es
al bosque.
•Escena io asociado al guión, Figu a 3.3, pa a ene una ep esen-
ación audio isual de odos los elemen os, usando ecu sos de la
Uni y Asse S o e.
32 Capí ulo 3. Obje i os y especi icación
Figu a 3.1: A e concep ual del homb e con sob e o hecho con la IA Mid-
jou ney an es de comenza el desa ollo.
Figu a 3.2: A e concep ual de Nae e hecho con la IA Midjou ney an es de
comenza el desa ollo.
3.2. Especi icación 33
Figu a 3.3: A e concep ual del escena io hecho con la IA Midjou ney an es
de comenza el desa ollo.

Capí ulo 4
Me odología y He amien as
Después de habe es ablecido el con ex o y los obje i os del abajo, en
es e capí ulo se de alla la me odología y las he amien as empleadas a lo
la go del p oyec o pa a cumpli dichos obje i os.
4.1. Me odología
Se ha u ilizado una me odología ágil con euniones cada dos semanas
en las que se ha epasado el abajo ealizado y las a eas a hace has a la
siguien e eunión (Apéndice D). El p oyec o se ha ido adap ando en unción
de los esul ados ob enidos a lo la go de ese pe iodo y las necesidades del
p oyec o. Po las ca ac e ís icas del p opio abajo, la he amien a se ha di-
señado de mane a escalonada, u ilizando las ases habi uales de la Ingenie ía
del So wa e (análisis, diseño, codi icación y p ueba) en cada i e ación de la
he amien a. Se han implemen ado pa ones como Single on y una a qui ec-
u a monocapa po simpli icación, ya que en un en o no de desa ollo como
Uni y la capa de la is a se ges iona desde el p opio mo o de juego, y no
se ealiza pe sis encia de da os en la he amien a, po lo que la única capa
sob e la que se abaja es el modelo o negocio.
La medida pa a es ima el es ue zo necesa io ha sido las ho as dedicadas,
que, a pa i de eb e o, es án desglosadas po a eas ealizadas du an e dicho
iempo en el Apéndice D.
4.2. He amien as
En es a sección se de allan odas las he amien as empleadas a lo la go
del desa ollo del abajo. Se p opo ciona una desc ipción de cada una de
ellas, des acando su unción especí ica en el p oyec o. Además, se explican
35
36 Capí ulo 4. Me odología y He amien as
las azones de ás de la selección de cada he amien a, eniendo en cuen a su
idoneidad pa a las a eas eque idas, su acilidad de uso y su disponibilidad.
4.2.1. He amien as de desa ollo y p og amación
En es a sección se enume an y desc iben odas las he amien as especí i-
cas que ienen que e con el desa ollo so wa e de Na ae e.
4.2.1.1. Uni y
Como se ha expues o en la sección 2.2.1, Uni y1, jun o a Un eal Engine,
es uno de los en o nos de desa ollo de ideojuegos más ex endidos. Se ha
elegido sob e el segundo po la ex ensa documen ación que iene y po su
mejo in eg ación con he amien as en 2D, que es ipo de g á icos que se han
u ilizado po su simplicidad de uso en las a en u as g á icas. Además, y como
pa e impo an e de la decisión inal de elegi an o Uni y como Cha GPT,
enemos el descub imien o de un paque e que acili a la in eg ación de ambas
ecnologías, lo que se expone en la sección 4.2.1.6. Además, el hecho de
u iliza un en o no desconocido p e iamen e y un lenguaje de p og amación
nue o, suponía pa a el au o de es e abajo una mo i ación adicional pa a
aumen a conocimien os al mismo iempo que se a ianzan los adqui idos a lo
la go de la ca e a.
El uso de Uni y ha acili ado la in eg ación de odo el apa ado g á ico,
incluyendo sp i es y animaciones, desca gados en de la Uni y Asse S o e.
Además, al se un en o no p epa ado pa a desa olla ideojuegos, ha sido
mucho más ápida la implemen ación de cada uno de los e en os y clases
de la he amien a, u ilizando la a qui ec u a y ecu sos na i os del p opio
en o no.
La e sión u ilizada ha sido la 2022.3.5 1
4.2.1.2. Mic oso Visual S udio
Visual S udio2es el en o no de p og amación po de ec o de Uni y, sien-
do C#, a su ez, el lenguaje p ede e minado. La in eg ación en e Visual
S udio y Uni y pe mi e una depu ación paso a paso du an e la ejecución del
p oyec o, lo que simpli ica signi ica i amen e las a eas de depu ación.
1h ps://uni y.com
2h ps:// isuals udio.mic oso .com
4.2. He amien as 37
4.2.1.3. Cha GPT
Como se ha expues o en la sección 2.2.2.1, Cha GPT3es un “Cha Bo ”
basado en GPT-3.5 o GPT-4 desa ollado po OpenAI. Es a he amien a
ha sido de i al impo ancia pa a las p uebas p elimina es de cada uno de
los p omp s desa ollados a lo la go del p oyec o. Ha pe mi ido agiliza su
c eación y op imización, al pe mi i nos ealiza las e isiones de cada p omp
ue a del en o no de desa ollo de Uni y, que equie e del uso de la API de
GPT, lo que hab ía alen izado el desa ollo. Además, el uso de es a API
lle a consigo un cos e económico, ela i amen e bajo pe o a ene en cuen a.
Po ello, odos los p omp s han sido c eados u ilizando Cha GPT de
mane a i e a i a has a ace ca se lo más posible a la op imalidad, es deci ,
buscando educi al mínimo cualquie e o que no sea debido a una aluci-
nación imp e isible del modelo.
Además, la salida de “los GPTs” en no iemb e de 2023 (ejempla es de
GPT-4 con igu ables pa a una a ea en especí ico, dando ins ucciones en
lenguaje na u al), acili ó el desa ollo de es os p omp s, ya que el GPT en
cues ión c ea un p omp que puede se ex aído y modi icado (Figu a 4.1)
pa a su con igu ación. Ex ayendo es e ex o y modi icándolo le emen e pa-
a op imiza lo, la a ea de p omp enginee ing se hizo más sencilla, iendo
aumen ada ambién la calidad de la espues a de GPT-3.5 du an e la e i i-
cación de es os p omp s.
4.2.1.4. Sc i ene
Sc i ene 4es una he amien a o ien ada a los esc i o es, con el obje i o
de acili a la o ganización de sus ob as. Hemos u ilizado es a he amien a
pa a o ganiza odo lo elacionado a la documen ación del abajo. En es a
he amien a se ha esc i o odo lo que se iba haciendo: el guión del ideojuego;
memo ia de la euniones con en e el au o y los di ec o es del abajo; me-
odología u ilizada a cada paso; ho as abajadas y en qué se han empleado
a modo de dia io de desa ollo; odos los p omp s u ilizados y desechados;
ideas y a eas pendien es du an e el desa ollo de la he amien a.
Se ha escogido po amilia idad p e ia con ella. Además, g acias a la
posibilidad de o dena el abajo po ca pe as den o de la p opia he a-
mien a (que suelen equi ale a capí ulos en no elas, ela os, cómics, e c.)
hemos podido ene una mejo o ganización de odo el abajo que con o as
he amien as como Wo d.
3h ps://cha gp .com/
4h ps://www.li e a u eandla e.com/sc i ene /o e iew
44 Capí ulo 5. Desa ollo
Figu a 5.2: Cap u a del escena io de la he amien a du an e la p ime a i e-
ación. Puede e se al pe sonaje, el cómic y un pa aguas ep esen ado po
un cono ojo, así como el ondo y el suelo.
donde ocu e el ideojuego. El escena io es oscu o y o men oso. Los obje os
más que idos de Nae e son un cómic que le egaló su pad e y un pa aguas
ojo de su mad e, pe o no los lle a encima. Res icciones: No con inúo la
his o ia ni c eo de alles del escena io. Mis acciones se basan es ic amen-
e en los comandos del jugado , y no decido las acciones del jugado . Mis
espues as son ex emadamen e b e es, limi adas a dos o es palab as como
”Mo e ” o ”Rechaza ”. Di ec ices: Ac úo en base a los comandos del juga-
do , man eniendo consis encia con el pe sonaje de Nae e, quien es á en un
es ado de miedo. Mis eacciones se ajus an a su es ado emocional y la na a-
i a del juego. Acla ación: An e comandos poco cla os, pido acla ación pa a
asegu a acciones ap opiadas y con ex ualizadas. Pe sonalización: Mi ono es
eme oso, aco de al es ado emocional de Nae e. Mis espues as son concisas,
acili ando su implemen ación en las acciones del juego. Con ex o escena 1:
Escena io oscu o y llu ioso. Hay un so á ojo en medio de la escena, donde
Nae e apa ece acu ucada. En el ex emo de echo de la escena hay una mesa
con un pa de elas.
5.1.4. Capacidades
Respec o a las capacidades de es a e sión, el usua io puede hace clic
en cualquie pun o del escena io, lo que en ia á un mensaje in o ma i o al
ejempla único de Cha GPT, eniendo es e p e iamen e el con ex o nece-
sa io en iado en un p ime mensaje al inicia Na ae e. La espues a de

5.2. Segunda i e ación 45
Cha GPT se p ocesa á y, si p ocede, se ealiza á la acción, que en es e caso
es el mo imien o del pe sonaje.
5.1.5. Obse aciones
La comunicación en es a i e ación es bidi eccional en e la clase Res-
ponseT aduc ion yGPTCon olle , con eniendo ambas una ins ancia de la
o a.
La uncionalidad en es a i e ación es muy simple y pie de el sen ido u ili-
za Cha GPT pa a algo así, sin emba go, se ha p obado que la comunicación
es uncional y sa is ac o ia, pudiendo in e p e a co ec amen e los “deseos”
del ejempla de Cha GPT con espec o a mo e se, así como es e puede in-
e p e a lo que se quie e hace al ecibi una acción.
En la siguien e i e ación el obje i o es implemen a un lenguaje o mal
pa a op imiza la comunicación con Cha GPT. Además, se en ia á al ejem-
pla la posición en la que hace clic el jugado como in o mación adicional,
pa a que enga libe ad de elegi el luga al que mo e se, en ez de gua da
p e iamen e la posición.
Se puede e el p oceso de implemen ación en de alle de es a i e ación
en el dia io de desa ollo, a lo la go de las secciones D.1, D.2 y D.3.
5.2. Segunda i e ación
Es a i e ación se cen a en la implemen ación de un lenguaje o mal pa a
aduci en acciones las espues as dadas po Cha GPT. También se im-
plemen a on di e sas acciones que podía ealiza la p o agonis a den o de
Na ae e y se modi ica on los escena ios u ilizando ecu sos de la Uni y As-
se S o e. Es a i e ación ep esen a el núcleo del abajo, siendo las úl imas
dos i e aciones pe eccionamien os de es a.
5.2.1. Lenguaje o mal
Se ha c eado un lenguaje o mal sencillo con el obje i o de aduci
e icien emen e las acciones ealizadas po el ejempla de Cha GPT. Es e
lenguaje o mal se ep esen a á u ilizando siemp e co che es ([ ]), de la o -
ma «[Acción],[Obje o]», «[Acción],[posiciónX,posiciónY]», «[Acción]» o «[Ac-
ción],[Obje o],[posiciónX,posiciónY]».
El lenguaje o mal es á de inido po el siguien e ocabula io:
Acción: coge , mo e , ans o ma , ib a , desapa ece , mengua , c ece ,
explo a , a aca , esconde se, a ae , ele anspo a , sol a , le i a , ma e ia-
46 Capí ulo 5. Desa ollo
Figu a 5.3: Diag ama simpli icado de la comunicación en e la lógica del
modelo y la API de Cha GPT pa a la segunda i e ación.
liza , u iliza , sal a , habla , espe a , cae , in isibiliza .
Obje os: pa aguas, cómic, onco, so á, mesa, ela, silla, co e.
En es: Nae e, enemigo, po ón.
Obje os inexis en es pe o c eables con el comando «Ma e ializa : lla e,
pue a, lin e na, cuchillo, escudo, pla a o ma, escale a, mochila, yunque, ca-
ja, ampa de pinchos, bola de pinchos, escale illa, pozo, leche, manzana,
hogue a, co e(aliado), es a ua (aliado).
5.2.2. Clases
A con inuación, expongo las clases implemen adas pa a es a i e ación.
También puede e se la a qui ec u a de la comunicación en e el sis ema y
Cha GPT en la Figu a 5.3. El único cambio en es e caso es que la clase
GPTCon olle ya no necesi a una ins ancia de ResponseT aduc ion con la
lógica de la he amien a. Además, aho a se en ían los p omp s al ejempla
de Cha GPT con la unción Se P omp () de GPTCon olle , llamada desde
la ins ancia única de es a clase en ResponseT aduc ion.
GPTCon olle : Ya no exis e ninguna ins ancia de ResponseT aduc-
5.2. Segunda i e ación 47
ion en es a clase, ya que aho a la unción SendReplay() de uel e una
cadena con la espues a del ejempla de Cha GPT. Es o ha podido
implemen a se u ilizando las ins ucciones Async-Awai en odas las
unciones que hagan llamadas a SendReply(). G acias a es o, se han
esuel o los p oblemas de sinc onización de la an e io i e ación, así
como un p oblema de pé dida de memo ia que se p odujo du an e la
implemen ación de la unción Coge ().
Así queda ía la cabece a de la unción SendReplay() as es os cambios:
public Task<s ing>async SendReplay(s ing msg). No se han necesi-
ado más cambios en es a clase.
ResponseT aduc ion: Con el obje i o de implemen a de mane a
e icien e odas las acciones sin ene que usa una eno me sucesión
de i -else encadenados pa a ejecu a la, se ha cons uido un dicciona io
ac ionObjec Logic cuyas cla es son las acciones, como cadena, y el alo
es su mé odo asociado, que ecoge como pa áme o el obje o sob e el
que se ejecu a la acción.
Con el mismo obje i o, se ha implemen ado o o dicciona io, objec -
Dic iona y, con las co espondencias en e cadena y GameObjec de
cada obje o y en e del juego, lo que acili a el pa seo y la pos e io
implemen ación.
•Función S a (): Se ha añadido la inicialización de los dicciona-
ios.
•Función Upda e(): Se ha añadido uncionalidad ex a elacionada
con las unciones de acción, así como la llamada a la unción
C ea eMsg(), que gene aliza los mensajes en iados al ejempla de
Cha GPT a a és de las acciones del jugado .
•Función Ge Ac ion(): Función pa a sepa a los mensajes del
ejempla de Cha GPT en e lenguaje na u al y acciones. Tam-
bién deja p epa ados los comandos pa a se in e p e ados en la
unción In e p e Ac ion(). Recibe el mensaje como pa áme o, así
como dos pa áme os de salida pa a gua da el mensaje en lengua-
je na u al y el comando. La unción busca el ex o en e co che es
y lo sepa a del ex o sin co che es, gua dando cada uno en sus
espec i as a iables de salida. Es o se implemen a con las un-
ciones de la biblio eca S ing IndexO (), que busca el índice en el
que se encuen a un ca ác e ; Subs ing(), que adquie e una sub-
cadena de la cadena sob e la que ac úa; y T im(), que igno a los
ca ac e es pasados como pa áme o. En es e caso, T im() yT i-
mEnd() han sido ú iles an o pa a elimina el úl imo espacio en
blanco como el ca ác e ”,”, que en ocasiones quedaba de mane a
esidual en el ex o en lenguaje na u al as ex ae el comando
del mensaje.
48 Capí ulo 5. Desa ollo
•Función In e p e Ac ion(): Recibe el comando ya aducido y
ejecu a la acción co espondien e. Tiene en cuen a los di e en es
ipos de comandos; si incluye o no la posición y si incluye o no
el obje o sob e el que ac úa la acción. Es aquí donde se usa el
dicciona io objec Dic iona y, pa a ob ene el GameObjec co es-
pondien e a la cadena que ep esen a el obje o.
Cuando se ha ob enido an o la acción como el obje o, se ealiza
la llamada a Execu eAc ionObjec Logic(ac ion, objec ), que a su
ez in oca la unción co espondien e a la acción pasada como
pa áme o, u ilizando es a como cla e del dicciona io ac ionOb-
jec Logic, ejecu ando de es a mane a la unción asociada como
alo del dicciona io, pasando el obje o como pa áme o.
Pa a di idi el comando en las acciones, obje os y posiciones se
u iliza Spli (), di idiendo la cadena en pa es. De es a o ma, de-
pendiendo de en cuan as pa es se di ida la cadena, sabemos de
qué ipo de comando se a a. Si el comando incluye posición, se
di idi á de nue o la subcadena co espondien e con Spli (), pa-
sando como pa áme o el ca ác e ”,”, que sepa a la posición x de
la posición y.
•Función SendAndHandleReply(): Función dedicada a la comu-
nicación con el ejempla de Cha GPT. Recibe como pa áme o el
mensaje a en ia y, a a és de la ins ancia única de GPTCon o-
lle , llama a SendReplay() u ilizando la claúsula awai y en iando
el mensaje como pa áme o. Cuando se ecibe el mensaje, se gua -
da en una a iable y se llama a Ge Ac ion() y a In e p e Ac ion()
pa a in e p e a el mensaje, ealiza la acción co espondien e y
gua da el mensaje en lenguaje na u al llamando a AppendMes-
sage() a a és de la ins ancia de GPTCo olle , pa a que pueda
mos a se po pan alla.
•Función C ea eMsg(): Función que gene aliza la c eación de
mensajes en iados al ejempla de Cha GPT. Con uye un men-
saje gené ico de la o ma: “El jugado ha hecho click en ” +
hi .collide .name + “, cuya posición es: ” + hi .poin , y llama a
buildIn e ac ionMsg(), pasando como pa áme o el Raycas Hi 2D.
En es a unción se con uye el mensaje y se llama, u ilizando la
sen encia awai , a SendAndHandleReply(), en iando dicho men-
saje como pa áme o.
•Función Mo e (): Se ha ag egado a es a unción una animación
de camina , que se ac i a an es de la llamada a Mo eTowa dsTa -
ge () y se desac i a cuando la a iable isMo ing es alsa.
•Función Coge (): Realiza la acción “coge ”, que añade al in en-
a io el obje o pasado como pa áme o y lo elimina de la esce-
na. Si el obje o no es á den o de un ango de e minado, dado
5.2. Segunda i e ación 49
po la a iable pickupRange, en ía un mensaje de e o al ejem-
pla de Cha GPT pasándolo como pa áme o a la unción buil-
dO he Msg(), que a su ez llama a SendAndHandleReply(). Es a
en ío de mensaje de e o p o ocaba en un p incipio un ”memo y
leak”, que me obligaba a einicia la p opia aplicación de Uni y.
Finalmen e conseguí a egla lo u ilizando Async-Awai , haciendo
que SendReply de ol ie a una cadena (public Task<s ing>async
SendReplay(s ing msg)) y eliminando la ins ancia de Respon-
seT aduc ion de la clase GPTCon olle , así como oda uncio-
nalidad elacionada con la aducción den o de la unción Sen-
dReply(). En un p incipio es a úl ima unción hacía la llamada al
Ge Ac ion y el es o de uncionalidades po que no sabía cómo de-
ol e una cadena en una unción asínc ona, po lo que u e que
u iliza co u inas y es a ins ancia de ResponseT aduc ion. Es-
o gene ó muchos p oblemas du an e el desa ollo de la segunda
i e ación, que se esol ie on como he comen ado.
•Función Le i a (): La unción le i a es simila a la unción mo-
e , y ealiza una p ime a llamada a Mo eTowa dsTa ge (), im-
plemen ada en la an e io i e ación, siendo la a iable a ge un
pun o po encima del p opio obje o.
•Función Mengua () yC ece (): Son complemen a ias. Acceden
al componen e ans o m del obje o y lo ans o ma de mane-
a paula ina llamando a la co u ina Cambia TamañoConT ansi-
cion(), pasando como pa áme o el obje o y los nue os amaños.
Es a unción cambia á el amaño del obje o a una elocidad dada
po la a iable ansi ionTime.
•Función A ae (): Muy simila a Le i a , pe o es ableciendo co-
mo a ge la posición del obje o playe .
•Función Tele anspo a (): Cambia la posición del obje o pasa-
do como pa áme o a la posición gua dada a a és de In e p e-
Ac ion() po medio de la unción Telepo Towa dsTa ge (), que
ecibe como pa áme o el obje o a mo e . A su ez, c ea una ins-
ancia, con Ins an ia e(), de una animación1en el pun o donde
el obje o se encuen a ac ualmen e y o a en el pun o al que se
di ige.
•Función In isibiliza (): Recibe como pa áme o el obje o que se
a a hace in isible, llamando a la unción auxilia In isibleTa -
ge (), que ecibe el mismo obje o. Al igual que en o as unciones,
se ac i a un booleano in isible pa a i cambiando la anspa encia
del obje o g adualmen e en la unción Upda e(). Es a modi ica-
ción se hace po medio de la unción de Uni y Ma h .Le p(), dada
1h ps://asse s o e.uni y.com/packages/ x/pa icles/ i e-explosions/ ee-2d-impac -
x-201222

50 Capí ulo 5. Desa ollo
una adeSpeed pa a la elocidad de ansición del cambio y modi-
icando el componen e objec Rende e .ma e ial.colo del obje o.
•Función Cae (): En caso de que el obje o pasado po pa áme-
o enga un componen e igidbody2D, lo ac i a pa a hace que
caiga, en caso con a io, simula la caída lle ando al obje o a la
posición del suelo, u ilizando pa a ello una llamada a la unción
Mo eTowa dTa ge (), es ableciendo el suelo como a ge .
•Función Sal a (): Es a unción ob iene el componen e Rigid-
body2D del obje o y llama a la unción auxilia Jump() pasando
como pa áme o es e componen e. Se comp ueba si el componen-
e es á en el suelo con la unción IsG ounded(), que u iliza Phy-
sics2D.Raycas () sob e el collide del suelo pa a comp oba lo. Se
simula la acción de sal a median e la ac i ación de la animación
co espondien e y la unción AddFo ce() sob e el Rigidbody2D, que
aplica una ue za en e ical.
EnemyCon olle : Es a clase almancena la lógica del enemigo, in-
cluido su mo imien o y ac i ación. Si la p o agonis a ha c uado cie o
pun o del escena io, ac i a el gameobjec del enemigo. Den o de la un-
ción Upda e() de es e se inicia el mo imien o si el obje o es á ac i o,
lo que p o oca que el enemigo a ance po la escena has a la mesa.
SceneSc ip : Es a clase abs ac a encapsula la con igu ación del p omp
en las di e en es escenas. Con iene una unción abs ac a Ge Scene-
P omp () pa a que la implemen en las di e en es escenas al ac i a se.
De es a o ma, cada escena añade el p omp de su con ex o al p omp
de con igu ación. Es a clase ambién implemen a la unción S a () de
Uni y, en la que busca la ins ancia de GPTCon olle y llama a Ge S-
ceneP omp () pa a que las clases hijas la con igu en.
OnClick: Es a clase sólo con iene la unción Ge Posi ionRay(), que
de uel e la posición en la que se ha pulsado con el a ón po medio de
Physics2D.Raycas (), de Uni y.
OnClickNae e: Es a clase es á con enida como componen e del Ga-
meObjec de la p o agonis a, y se ocupa de ac i a al enemigo cuando el
jugado llega al pun o de ac i ación; po medio de la unción Upda e().
CambioEscena: Con iene la unción OnT igge En e 2D(), que ecibe
un Collide 2D como pa áme o y, si el collide de ec ado es el de la
p o agonis a, cambia a la siguien e escena. Es e collide es á colocado
en el ex emo de echo de cada escena.
DialogFollow: Pe mi e al cuad o de diálogo de la p o agonis a segui -
la a lo la go de la escena. Es o se consigue implemen ando la unción
5.2. Segunda i e ación 51
Figu a 5.4: Imagen del GameObjec cómic dibujado po mi y u ilizado en
la p ime a escena.
Upda e() de Uni y y adqui iendo los componen es T ans o m an o del
pe sonaje como del cuad o de ex o. De es a o ma, en cada i e ación
de la unción Upda e(), el cuad o se coloca á en la posición del pe so-
naje más un o se dado con el obje i o de coloca el ex o donde se
desee.
5.2.3. Escena io
A lo la go de es a i e ación se ha pe eccionado el escena io, añadiendo
elemen os que han mejo ado la ambien ación del escena io y su uncionalidad.
Además, se ha c eado una segunda escena, simila a la p ime a, que con inúa
la p ime a. Pueden obse a es ambas en las igu as 5.6 y 5.7 espec i amen e.
Se han añadido nue os obje os2, elemen os pa a el backg ound3, llu ia4
y ayos5, un sp i e con animaciones pa a la p o agonis a6y di e sos cuad os
de ex o pa a la in e az7. Todos p oceden es de la Uni y Asse S o e. El
cómic y el pa aguas han sido dibujados po mí; igu as 5.4 y 5.5.
5.2.4. P omp ing Enginee ing
El cambio esencial en el p omp de con ex o ha sido añadi el lenguaje
o mal. De es a o ma, se pide al ejempla de Cha GPT que esc iba odas
sus espues as an o en lenguaje na u al como en el lenguaje o mal. Se ha
cons uido el p omp con ayuda de “los GPTs"de GPT-4, explicados en la
2h ps://asse s o e.uni y.com/packages/2d/en i onmen s/pixel-a -pla o me - illage-
p ops-166114
3h ps://asse s o e.uni y.com/packages/2d/en i onmen s/pixel-skies-demo-
backg ound-pack-226622
4h ps://asse s o e.uni y.com/packages/ x/pa icles/en i onmen / ain-make -2d-
and-3d- ain-pa icle-sys em- o -uni y-34938
5h ps://asse s o e.uni y.com/packages/ ools/pa icles-e ec s/ligh ning-bol -e ec -
o -uni y-59471
6h ps://asse s o e.uni y.com/packages/2d/cha ac e s/cu e-2d-college-s uden -198684
7h ps://asse s o e.uni y.com/packages/2d/gui/ an asy-wooden-gui- ee-103811
52 Capí ulo 5. Desa ollo
Figu a 5.5: Imagen del GameObjec pa aguas dibujado po mi y u ilizado
en la p ime a escena.
Figu a 5.6: Cap u a de pan alla del escena io 1 en la segunda i e ación.
Figu a 5.7: Cap u a de pan alla del escena io 2 en la segunda i e ación
5.2. Segunda i e ación 53
sección 2.2.2.1 y he añadido unas ins ucciones básicas pa a e i a p oblemas
en las espues as.
Pese a odo el es ue zo, sigue habiendo allos en las espues as en ce ca
de la mi ad de las ejecuciones de la he amien a. Es os allos pueden se
le es, en el caso de que el ejempla se salga del pe sonaje o sus acciones
no engan demasiado sen ido con el con ex o; pe o ambién come e allos
g a es, equi ocándose en el o ma o de la salida o mal, lo que p o oca que la
he amien a no uncione como debe ía. Además, los allos se ep oducen a
lo la go de oda la ejecución de Na ae e, po lo que hay que einicia la
pa a ol e a da con ex o a un nue o ejempla de Cha GPT que no come a
es os e o es.
A con inuación, el p omp inal u ilizado en es a i e ación.
E es la p o agonis a de un ideojuego pla a o mas 2D. Te llamas Nae e.
Po cada acción que ocu a en el juego, es deci , cada mensaje en iado po
el jugado , puedes decidi lo que quie es hace . Puede se cualquie acción,
ya que es ás den o de u men e y odo es posible.
Impo an e: Tu espues a se á en dos o ma os: Con u oz en lengua-
je na u al: e es una niña que acaba de pe de a sus pad es y aún es ás en
shock (no puede habe e e encias explíci as a u in e p e ación de Nae e,
man eniendo siemp e la cohe encia con el pe sonaje den o del juego); y en
lenguaje o mal lis o pa a se pa seado como acciones en el ideojuego. Es-
e lenguaje o mal se ep esen a á u ilizando siemp e co che es ([]), de la
o ma «[Acción],[Obje o]», «[Acción],[posiciónX,posiciónY]», «[Acción]» o
«[Acción],[Obje o],[Obje o]».
El lenguaje o mal es á de inido po el siguien e abeceda io: Acción: coge ,
mo e , desapa ece , mengua , c ece , explo a , a aca , esconde se, a ae ,
ele anspo a , sol a , le i a , ma e ializa , u iliza , sal a , habla , espe a ,
cae , in isibiliza .
Obje os: pa aguas, cómic, onco, so á, mesa, ela, silla, co e.
En es: Nae e, enemigo, po ón.
Obje os inexis en es pe o c eables con el comando «apa ece »: lla e, pue -
a, lin e na, cuchillo, escudo, pla a o ma, escale a, mochila, yunque, caja,
ampa de pinchos, bola de pinchos, escale illa, pozo, leche, manzana, hogue-
a, co e(aliado), es a ua (aliado)
A con inuación se explica el lenguaje siguiendo el siguien e o den: «Co-
mando - Desc ipción - Fo ma o de uso obliga o io», pudiendo hace cualquie
combinación posible de acciones y obje os/en es.
Coge - Coge el obje o indicado - [coge ],[«obje o»]
Mo e - Mue e a Nae e a la posición indicada - [mo e ],[posición X,posición
Y]
60 Capí ulo 5. Desa ollo
Figu a 5.11: Menú de pausa de la he amien a.
5.3.4. P omp ing Enginee ing
En es a i e ación se ha c eado un p omp pa a cada uno de los ejempla es
de Cha GPT, u ilizando an o ”los GPTs” como ensayo y e o en la web de
Cha GPT has a ob ene p omp s ce canos a la op imalidad, mi igando los
e o es más comunes.
P omp ac ualizado del ejempla de la p o agonis a, Nae eGPT:
E es la p o agonis a de un ideojuego pla a o mas 2D. Po cada acción
que ocu a en el juego, es deci , cada mensaje en iado po el jugado ,
puedes decidi lo que quie es hace . Puede se cualquie acción, ya que
es ás den o de u men e y odo es posible.
Impo an e: Tu espues a se á en dos o ma os: Con u oz en lenguaje
na u al: e es una niña que acaba de pe de a sus pad es y aún es ás
en shock (impo an e: no puede habe e e encias explíci as a u in e -
p e ación, man eniendo siemp e la cohe encia con el pe sonaje den o
del juego); y en lenguaje o mal lis o pa a se pa seado como accio-
nes en el ideojuego. Es e lenguaje o mal se ep esen a á u ilizando
siemp e el símbolo «/», de la o ma «/Acción/Obje o», «/Acción/po-
siciónX,posiciónY», «/Acción», «/Acción/Obje o/Obje o» o «/Acció-
n/Obje o/posiciónX,posiciónY».
El lenguaje o mal es á de inido po el siguien e abeceda io:
Acción: coge , mo e , ans o ma , ib a , desapa ece , mengua , c e-
ce , explo a , a aca , esconde se, a ae , ele anspo a , sol a , le i a ,
ma e ializa , u iliza , sal a , habla , espe a , cae , in isibiliza

5.3. Te ce a I e ación 61
Obje os: pa aguas, cómic, onco, so á, mesa, ela, silla, co e
En es: Nae e, enemigo, po ón
Obje os inexis en es pe o c eables den o de la men e de Nae e con
el comando «apa ece »: lla e, pue a, lin e na, AK47, cuchillo, pis o-
la de ayos, escudo, pla a o ma, muelle, escale a, pico, pala, hacha,
mochila, je pack, gancho, yunque, cue da, caja, ampilla, ampa de
pinchos, bola de pinchos, escale illa, pozo, leche, manzana, hogue a,
co e(aliado), espan apája os (aliado), es a ua (aliado), muñeco de en-
enamien o (aliado)
A con inuación se explica el lenguaje siguiendo el siguien e o den: «Co-
mando - Desc ipción - Fo ma o de uso obliga o io», pudiendo hace
cualquie combinación posible de acciones y obje os o en es.
Coge - Coge el obje o indicado - /Coge /«Obje o».
Mo e - Mue e a Nae e a la posición indicada - /Mo e /posiciónX,posiciónY
Desapa ece - Hace desapa ece un obje o o un en e de la escena -
/Desapa ece /«Obje o o En e».
Mengua - Hace mengua un obje o o en e - /Mengua /«Obje o o En-
e».
C ece - Hace c ece un obje o o en e - /C ece /«Obje o o En e».
Explo a - Hace explo a un obje o o en e - /Explo a /«Obje o o En e».
A aca - A aca a un en e o un obje o - /A aca /«Obje o o En e».
Esconde se - Nae e se esconde de ás del obje o indicado - /Esconde -
se/«Obje o».
A ae - A ae un obje o o en e hacia Nae e - /A ae /«Obje o o En e».
Tele anspo a - Tele anspo a un en e u obje o a la posición indicada
- /Tele anspo a /«Obje o o En e»/posiciónX,posiciónY
Sol a - Suel a un obje o del in en a io - /Sol a /«Obje o»* (*si «ob-
je o» es á en el in en a io).
Le i a - Hace le i a un en e u obje o - /Le i a /«Obje o o En e».
Ma e ializa - Hace apa ece un obje o inexis en e pe o c eable - /Ma-
e ializa /«Obje o inexis en e pe o c eable».
U iliza - U iliza un obje o del in en a io - /U iliza /«Obje o»*. (*si
«obje o» es á en el in en a io).
Sal a - Nae e sal a hacia delan e - /Sal a .
Habla - Nae e habla con un en e - /Habla /«En e».
Espe a - Nae e agua da eme osa a la siguien e acción - /Espe a .
Cae - Hace cae un obje o en la al u a al suelo - /Cae /«Obje o».
62 Capí ulo 5. Desa ollo
In isibiliza - Hace in isible un en e u obje o - /In isibiliza /«Obje o
o En e».
Recue da comenza siemp e el comando con «/»
Res icciones: No puedes añadi ex o adicional ni al p incipio ni al
inal. Sólo puedes ealiza una acción a la ez. Espe a a la p ime a
acción del jugado , es deci , al siguien e mensaje que se e en íe.
P omp del ejempla dedicado a la ges ión de e o es, E o GPT:
Tu única unción es ocupa e de la co ección de salidas de o o Cha GPT
que ac úa como p o agonis a de un ideojuego. De aho a en adelan e
me e e i é a es e como «Nae e».
La espues a de «Nae e» se á en lenguaje o mal lis o pa a se pa -
seado como acciones en el ideojuego. Es e lenguaje o mal se ep e-
sen a á con el símbolo «/», de la o ma «/Acción/Obje o», «/Acción/-
posiciónX,posiciónY», «/Acción», «/Acción/Obje o/Obje o» o «/Ac-
ción/Obje o/posiciónX,posiciónY», dependiendo de la acción. Siendo
ambién álido cualquie núme o nega i o pa a «posición x» y «posi-
ción y».
A con inuación, ejemplos de comandos co ec os como e e encia:
/Coge /«Obje o»
/Mo e /posiciónX,posiciónY
/Desapa ece /«Obje o o En e»
/Mengua /«Obje o o En e»
/C ece /«Obje o o En e»
/Explo a /«Obje o o En e»
/A aca /«Obje o o En e»
/Esconde se/«Obje o»
/A ae /«Obje o o En e»
/Tele anspo a /«Obje o o En e»/posiciónX,posiciónY
/Sol a /«Obje o»
/Le i a /«Obje o o En e»
/Ma e ializa /«Obje o inexis en e pe o c eable»
/U iliza /«Obje o»
/Sal a
/Habla /«En e»
/Espe a
/Cae /«Obje o»
5.3. Te ce a I e ación 63
/In isibiliza /«Obje o o En e»
Tu unción es co egi las salidas e óneas de «Nae e» eniendo en
cuen a es e o ma o es ic o.
Tu espues a se á de la o ma: «comando co egido». Sin añadi expli-
caciones adicionales.
P omp del ejempla dedicado a la sín esis, ResumenGPT:
«Es e GPT es un expe o en esumi in o mación. Su misión p inci-
pal es oma a ios p omp s que le p opo cionen los usua ios y c ea
un esumen cohesi o y conciso que si a pa a da con ex o sob e los
e en os de una his o ia a o o GPT. Se en oca en iden i ica y des a-
ca los elemen os cla e de la in o mación p opo cionada pa a gene a
un esumen muy b e e que cap u e la esencia de lo ocu ido sin omi-
i de alles c uciales ni in en a se ningún de alle, limi ándose a lo que
ocu e desde que apa ece el ex o "Mensaje 2"sin añadi nada adicio-
nal al esumen de lo acon ecido. Su es ilo de comunicación debe se
cla o y di ec o, acili ando la comp ensión de la his o ia o los e en os
esumidos.»
P omp del NPC que ep esen a a una pue a pa lan e, Po onGPT:
«E es Umb al, una pue a pa lan e den o de una his o ia de an asía,
mis e ioso, sabio y pa lanchín, c eado de cien os de ace ijos y p o e-
cías. Te man ienes ce ada has a encon a a la pe sona elegida, capaz
de supe a e en sabidu ía e in eligencia. Solo en onces espondes con
«[Abie a]». Desde ese momen o, u único ocabula io es «[Abie a]»,
indicando que e has abie o y ya no in e ac ua ás de mane a no mal.
Hablas con la sabidu ía y elocuencia de un anciano, siemp e en pe -
sonaje, p io izando un lenguaje e inado y e i ando lo mode no. E es
exigen e en us in e acciones, no e ab es an e cualquie a, haciendo que
sea un desa ío gana se u ape u a. Al o o lado uyo se esconden los
mayo es miedos del in e locu o , ele ando la di icul ad pa a ab i se.»
Los dos úl imos p omp s, al se más simples y concisos han eque ido
menos iempo pa a su elabo ación y p uebas.
5.3.5. Capacidades
La he amien a en es a i e ación es una e sión ampliada y op imizada
de la an e io ; añade acciones posibles pa a el jugado y mejo a la e icacia y
la p ecisión, educiendo de es a o ma el núme o de e o es le es y g a es en
las epues as de los ejempla es de Cha GPT. Además, como se ha incluido
an o un menú de inicio como de pausa, se ha mejo ado la expe iencia global
del usua io y la usabilidad de Na ae e.
64 Capí ulo 5. Desa ollo
5.3.6. Obse aciones
Pese a que se ha conseguido educi el núme o de e o es con el nue o
o ma o y los di e en es ejempla es de Cha GPT, aún se come en más e o es
g a es de los que se pod ían pe mi i en un p oduc o inal. Po ello, en la
siguien e i e ación se a a sepa a el ejempla de la p o agonis a en dos, uno
pa a el lenguaje na u al y o o pa a el o mal, con sus espec i os p omp s
de con ex o. Con es o se espe a educi el núme o de e o es g a es has a
ace ca se al 0.
Se puede e el p oceso de implemen ación en de alle de es a i e ación
en el dia io de desa ollo, a lo la go de las secciones D.8 y D.9.
5.4. I e ación Final
Di isión del ejempla de Cha GPT p incipal en dos, pa a sepa a las
espues as en lenguaje na u al de las espues as en lenguaje o mal, dismi-
nuyendo así el núme o de e o es. También se ha implemen ado las úl imas
acciones pendien es, ”habla ”, pa a pode comunica se con di e en es ejem-
pla es de Cha GPT po medio del lenguaje na u al en ez de pinchando en la
pan alla con el a ón; y ”con ola ” pa a deja que el jugado ome el con ol
de la p o agonis a y puede maneja su pe sonaje con el eclado, como en un
juego de pla a o mas.
Cabe des aca que el ejempla de Cha GPT en lenguaje na u al pasa á
a se un na ado equiscien e en e ce a pe sona, en ez de ep esen a a la
p o agonis a di ec amen e en p ime a pe sona. Es o se debe a la can idad de
e o es le es que gene aba Cha GPT al sali se del pe sonaje. Se han ealizado
p uebas p elimina es po medio de la web de Cha GPT con esul ados más
p ome edo es con es e en oque del na ado , po lo que se a a implemen a
de es a mane a.
El uncionamien o en es e caso es le emen e di e en e a las an e io es
i e aciones. P ime o se en ían los p omp s de con igu ación a ambos ejem-
pla es. Después, po cada espues a del ejempla en lenguaje na u al, se en ía
al ejempla en lenguaje o mal an o el mensaje en iado po la he amien-
a como la epues a del ejempla en lenguaje na u al, con la in ención de
man ene la cohe encia en e la espues a de la p o agonis a y la acción que
ealiza.
Po úl imo, se han añadido di e en es NPC con sus espec i os p omp s
y uncionalidades. Los p omp s se pueden e más adelan e en es e mismo
apa ado.
NPC Po ón: El jugado end á que in e ac ua con es e NPC (Una
5.4. I e ación Final 65
pue a pa lan e) pa a pode pasa a la siguien e escena. Ha sido imple-
men ado de mane a que, cuando decida que el jugado me ece a a esa
su umb al, incluye un comando en su mensaje, que el sis ema lee á y
ab i á un po al po el que aslada al jugado a la siguien e escena,
que no se á implemen ada en es e TFG.
NPC Es a ua: El jugado end á que in e ac ua con la es a ua pa a
consegui un obje o en e los p e ab icados pa a la unción Ma e iali-
za (). Es o se consigue con e sando con el NPC, que esponde á con el
obje o elegido en e co che es y llama á al sis ema pa a hace lo apa e-
ce en un co e en e a la es a ua, ac i ando ambién la animación del
co e al ab i se.
NPC Quime a: Es e NPC ha sido diseñado pa a las p uebas de Na-
ae e. Iniciando la con e sación con él, se iene que esol e un ace ijo
pa a pode con inua . Si se esuel e, con es a á con un comando y des-
apa ece á del camino.
NPC Lobo: El lobo ambién se ha u ilizado du an e las p uebas.
El jugado puede in e ac ua con él po medio de ex o pa a in en a
consegui que lo siga a lo la go de la escena como acompañan e. U iliza
ambién un sis ema de comando.
NPC Gua dabosques: Es e úl imo NPC diseñado pa a las p uebas
pe sigue al jugado has a que inicie una con e sación con él. El obje-
i o del jugado se á con ence al ejempla de que no es á haciendo
nada sospechoso pa a que no haga sal a una ala me que a ise a las
au o idades. Es e NPC puede u iliza dos comandos en unción de las
espues as del jugado ; uno pa a i se y el o o pa a da la ala ma.
5.4.1. Clases
A con inuación, expongo las clases implemen adas pa a es a i e ación.
También puede e se la a qui ec u a de la comunicación en e el sis ema y
Cha GPT en la Figu a 5.14. Se ha eliminado el ejempla de ges ión de e o es
as comp oba que el hecho de di idi el ejempla p incipal de Cha GPT
en dos (lenguaje na u al y acciones) ha educido los e o es lo su icien e
como pa a que su uso no sea necesa io. Además, pueden e se los diag amas
de clase y secuencia simpli icados sob e la comunicación en e el sis ema y
Cha GPT de es a i e ación inal en las ?? y?? espec i amen e.
GPTCon olle : Se ha modi icado la unción AppendMessage() pa a
añadi la uncionalidad de esc ibi los mensajes de los ejempla es de

66 Capí ulo 5. Desa ollo
Figu a 5.12: Diag ama de clases simpli icado de la comunicación en e GPT-
Con olle y ResponseT aduc ion
Figu a 5.13: Diag ama de secuencia simpli icado de la comunicación en e
GPTCon olle y ResponseT aduc ion
5.4. I e ación Final 67
Figu a 5.14: Diag ama simpli icado de la comunicación en e la lógica del
modelo y la API de Cha GPT pa a la cua a i e ación.
Cha GPT ca ác e a ca ác e . Se ob iene el componen e DialogueCon-
olle del ejempla de Cha GPT co espondien e y se pasa el mensaje
a su unción S a Dialogue().
ResponseT aduc ion: Den o de es a clase se han añadido las ins an-
cias de GPTCon olle pa a odos los ejempla es de Cha GPT. Ade-
más, se ha modi icado la unción SendAndHAndleReplay() pa a adap-
a la a la di isión del ejempla p incipal. Aho a se gua da p ime o
la espues a en lenguaje na u al pa a luego en ia la al ejempla Ac-
ionGPT, que da á la espues a en o ma de comando. Es e comando
se pa sea a a és de Ge Ac ion() y se in e p e a a a és de In e p e-
Ac ion(), no siendo necesa io ya u iliza el ex o en lenguaje na u al
pa a es as unciones.
•Función Ge Ac ion(): Aho a es a unción se limi a a de ec a
los comandos dados po el ejempla de Cha GPT dedicado a las
espues as en lenguaje o mal, u ilizando la misma ER que en la
i e ación an e io .
An e la can idad de e o es del ipo “/acción/«acción»/«obje o»”
se ha añadido una línea de código pa a elimina es a palab a de
los comandos.
•Función Habla (): Den o de es a unción hay un swi ch que se
68 Capí ulo 5. Desa ollo
ejecu a sob e el obje o pasado como pa áme o. Dependiendo de
qué obje o sea, se inicializa la in e acción con el NPC co espon-
dien e. En cada caso del swi ch, se accede a la ins ancia única
de la clase TalkManage a a és del pa ón Single on. Cada caso
llama a la unción WakeUpMenu() co espondien e pa a ab i el
menú de in e acción con el NPC.
•Función Nae eDea h(): Es a unción es llamada desde el mé odo
Upda e() en caso de que la dis ancia en e Nae e y el enemigo
sea meno que la a iable isOnRange y que el GameObjec del
enemigo es é ac i ado. Es a unción ac i a la animación de mue e
del pe sonaje y ealiza una llamada a pauseMenu.Dea hPause(),
lo que ab e el menú de mue e, desde el que se puede einicia la
pa ida, ol e al menú p incipal o sali de la he amien a.
•Función A aca (): Es a unción, al igual que las o as unciones
de acción, se ac i a con la acción a aca dada en el comando de
Ac ionGPT. Lo p ime o que se hace es comp oba si la p o a-
gonis a iene almacenado un cuchillo en el in en a io. Si no es
así, no se pod á a aca . En caso de ene un cuchillo, se llama a
la unción Mo eTowa dsTa ge () con el enemigo como a ge . Sin
emba go pese a es o, el a aque no end á ningún e ec o sob e el
enemigo, que se bu la á del in en o.
•Funciones Gene a eGPT(): Es as unciones se ocupan de ac i-
a los nue os ejempla es de Cha GPT, llamando a las co espon-
dien es unciones SendAndHandleReply(), que eciben la espues-
a del ejempla .
•Función Le i a (): Se ha modi icado es a unción pa a que un-
cione co ec amen e cuando el obje o sob e el que ac úa con iene
un componen e RigidBody2D. En es e caso, el componen e se des-
ac i a mien as el obje o le i a, y se uel e ac i a cuando acaba
la acción.
•Función Explo a (): Es a unción llama a Desapa ece (), pasan-
do el obje o como pa áme o y c ea un e ec o de explosión me-
dian e la llamada a Ins an ia e(), de mane a simila a la unción
Tele anspo a ().
•Función Con ola (): Es a unción cambia el modo de juego.
Accede a la a iable es á ica playe Con ol de la calse Playe -
Con olle . Si es á ac i ada la desac i a y ice e sa.
•Función SendAndHandleReplyNPC(): Encapsula la comuni-
cación con los ejempla es de Cha GPT de cada NPC. Además,
se llama a las unciones Ge Key() pa a comp oba si el NPC ha
espondido su comando en la con e sación ([Abie a], [Segui ],
[Ala ma], e c.).
5.4. I e ación Final 69
•Funciones Ge Key(): Una unción po NPC. Po medio de Exp e-
siones Regula es (ER) busca un pa ón en el mensaje. Se u iliza
la llamada a Regex.Ma ch() pa a encon a lo, pasando el mensaje
y el pa ón como pa áme os. Si se encuen a el pa ón, se ea-
lizan las di e en es uncionalidades elacionadas con el NPC. Po
ejemplo, si se encuen a el pa ón ”[Abie a]” en Ge KeyPo on(),
se ac i a un VFX de un po al10 adqui ido en la asse s o e.
DialogueCon olle : Es a clase encapsula la salida de los mensajes de
los ejempla es de Cha GPT ca ác e a ca ác e . Es e sc ip es á aña-
dido como componen e a cada ejempla de Cha GPT. La unción más
impo an e es S a Dialogue(): Es a unción es llamada po cada
ejempla de Cha GPT pa a esc ibi el mensaje pasado como pa áme-
o ca ác e a ca ác e . Si el ex o iene más de 150 ca ac e es lo di ide
pa a esc ibi lo línea po línea. Es a unción inicia una co u ina pa a
esc ibi cada línea ca ác e a ca ác e sin que ello in e umpa la eje-
cución de la he amien a. Pa a e i a solapa un mensaje sob e o o
si aún no se ha e minado de esc ibi , an es de hace cada llamada a
S a Dialogue() se ealiza una llamada a la unción Dele eLas Msg(),
que de iene odas las co u inas an es de comenza a esc ibi el nue o
mensaje.
DialogueFollow: Clase enca gada de incula la posición de un obje o
del juego con su cuad o de diálogo. Den o de la unción Upda e() se
asigna la posición del cuad o de diálogo a la posición del GameObjec
asignado más un o se pa a ecoloca co ec amen e cada diálogo.
TalkManage : Es a clase se ocupa de la ges ión de los di e en es me-
nús de in e acción con los NPC. En cada una de las unciones Wa-
keUpMenu() se llama a la unción Pause() de la clase PauseMenu()
pasando el menú de in e acción del NPC como pa áme o.
In en o yCon olle : Es a clase encapsula el compo amien o del in-
en a io. Con iene una ins ancia única u ilizando el pa ón Single on y
una lis a de i ems de ipo I em. I em es un Sc ip ableObjec , un ipo de
obje o que se u iliza comúnmen e en Uni y pa a la in e acción con ob-
je os. Las unciones más impo an es son: Add(), pa a añadi un obje o
a la lis a; Remo e(), pa a elimina un obje o de la lis a; y Lis I ems(),
pa a lis a los obje os exis en es en el in en a io, incluyendo nomb e e
icono de cada obje o.
Wol Con olle : Es a clase encapsula el compo amien o del NPC lo-
bo. Si el jugado ha conseguido que el lobo le siga, se ac i a una a iable
10h ps://asse s o e.uni y.com/packages/ x/pa icles/spells/magic-e ec s- ee-247933
76 Capí ulo 5. Desa ollo
5.4.4. Capacidades
En es a i e ación se ha implemen ado la posibilidad de comunica se di-
ec amen e median e lenguaje na u al con el ejempla de Cha GPT de la
p o agonis a, po lo que se pod á pedi de mane a más di ec a la ealiza-
ción de acción, dando un con ol de la he amien a ambién más di ec o
pa a el usua io. Además con la di isión del ejempla p incipal se ha edu-
cido an o los e o es g a es, elacionados con el o ma o de los comandos,
como los e o es le es, elacionados con la up u a del pe sonaje po pa e
de Cha GPT.
Po úl imo, el jugado puede ambién comunica se con el ejempla que
ep esen a al po ón, un NPC. El obje i o del usua io se á consegui que
es e se ab a, dando in así a la demos ación de la he amien a.
5.4.5. Obse aciones
Las obse aciones de es a úl ima i e ación pueden e se en el Capí ulo 6
y el Apéndice E.
Se puede e el p oceso de implemen ación en de alle de es a i e ación en
el dia io de desa ollo, a lo la go de las secciones D.10, D.11, D.12 y D.13.

Capí ulo 6
Resul ados
Pa a la e aluación de esul ados en la he amien a se han lle ado a cabo
di e sas p uebas que pueden e se en de alle en el Apéndice E. La p ime-
a e aluación de esul ados ealizada consis e en ejecu a Na ae e con la
his o ia o iginal de allada en el Capí ulo 3, den o del apa ado de especi i-
caciones.
6.1. P uebas
Se han lle ado a cabo cua o p uebas. La p ime a de ellas implemen a
la he amien a comple a, incluyendo odos los obje os y acciones. Las es
p uebas es an es se cen an en la expe imen ación con Pe sonajes No Juga-
do es (NPCs), ya que se a a del elemen o con mayo po encial de Na ae e.
El de alle de las p uebas se puede e en el Apéndice E; es e apa ado se
cen a á en sus esul ados.
El obje i o de es as p uebas es p oba que se ha llegado a los obje i os
de es e abajo y que se ha conseguido cons ui una he amien a uncional
pa a la cohesión en e un LLM y una a en u a g á ica.
Con el obje i o de p oba la e sa ilidad de Na ae e y gene aliza su uso,
no limi ándolo a la his o ia o iginal, se ha c eado un o mula io1que puede
e se en de alle en el Apéndice E. G acias a es e o mula io, se han cons uido
es his o ias más sob e la he amien a, ya que se pide a los usua ios que se
in en en un his o ia den o de una ambien ación dada, eligiendo un ipo
de na ado y c eando, opcionalmen e, un p omp pa a un NPC. Además,
en es e o mula io se p egun a al usua io sob e su edad y sob e su uso de
Cha GPT u o os LLMs.
Con el obje i o de e alua los esul ados de las p uebas se conside an
1h ps:// o ms.gle/XcX1UgQGm1 Bkes47
77
78 Capí ulo 6. Resul ados
allos le es e o es que ienen que e con up u a de pe sonaje o salidas
en lenguaje na u al incohe en es con la his o ia. Po o o lado, se conside an
allos g a es e o es que ienen que e con el o ma o de los comandos.
Dado que es di ícil e alua la calidad de las espues as de los di e en es
ejempla es de Cha GPT si no se comen e ningún e o se ha e aluado a los
di e en es NPCs y al ejempla p incipal en unción de su capacidad pa a
man ene la cohe encia con sus espues as an e io es y la a iabilidad del
ejempla en e las ejecuciones.
E aluación de e o es en cada ejempla de Cha GPT exis en e en la he-
amien a inal:
Ejempla
Cha GPT
P uebas
To ales
E o es
G a es
E o es
Le es
%E o es
G a es
%E o es
Le es
nae eGPT 30 - 5 - 16.67 %
ac ionGPT 30 2 - 6.67 % -
po onGPT 20 0 1 0 % 5 %
es a uaGPT 20 4 2 20 % 10 %
quime aGPT 20 0 2 0 % 10 %
loboGPT 20 0 1 0 % 5 %
gua daGPT 20 0 1 0 % 5 %
Tabla 6.1: Tabla de e o es de los ejempla es de Cha GPT.
Po o o lado, en cuan o a los esul ados ue a de los e o es, se analiza án
po sepa ado en cada p ueba:
His o ia p incipal: La he amien a ha sido capaz de ejecu a odas
las acciones sa is ac o iamen e. Se ha is o que la mejo o ma de u i-
liza la acción ”mo e ” es median e clicks, mien as que el es o de
acciones es di ícil que sean ejecu adas median e clicks, siendo más ú il
esc ibi la acción po ex o. En cuan o a las pe iciones al ejempla p in-
cipal po ex o, con el obje i o de minimiza el núme o de e o es le es,
es mejo u iliza la misma na ación que el ejempla . De es a o ma,
además de se in e p e ado mejo , el jugado o ma á pa e de la na-
ación, pudiendo pa icipa ac i amen e en la c eación de la his o ia.
Sin emba go, el jugado iene la libe ad de ges iona su expe iencia
como desee, pudiendo da una g an a iabilidad de esul ados incluso
con una misma con igu ación inicial. El ejempla p incipal ha demos-
ado una g an capacidad de man ene la cohe encia con las acciones
p e ias, na ando en muchas ocasiones pa e de lo que ha ocu ido an-
e io men e y eniéndolo en cuen a pa a las siguien es acciones. Po
o o lado, los ejempla es son muy simila es en e ejecuciones, lo que
en es e caso es algo posi i o, al necesi a cons ancia en un ejempla de
Cha GPT que ep esen a el núcleo de Na ae e.
Con espec o a los ejempla es de los NPCs, an o po onGPT como
6.1. P uebas 79
es a uaGPT ha demos ado se lo su icien emen e cohe en es con sus
espues as an e io es y las del jugado . Es e pun o no es an ele an e
como en el ejempla p incipal. Po o o lado, el ejempla que ep esen a
al po ón ha demos ado se mucho más a iable de una ejecución a
o a, lo cual es muy in e esan e pa a el ipo de NPC que es, eniendo
que decidi si deja pasa al jugado a a és de su umb al o no. El
ejempla de la es a ua, en cambio, ha p esen ado con igu aciones muy
simila es en e sí y menos uncionales, y, pese a pasa las p uebas sa-
is ac o iamen e, se puede conclui que es un NPC de mucha menos
calidad.
Las siguien es es p uebas se han cen ado en la e aluación de di e-
en es NPCs pa a su uso en o as na a i as den o de la he amien a.
El uncionamien o comple o y p omp de odos los NPCs puede e se
en el Capí ulo 5, den o de la i e ación inal.
•NPC Quime a: Es e ejempla se ocupa de en ia una adi inanza
al jugado pa a pe mi i le el paso en la escena. A p io i, pa ecía
una g an idea que uncionaba co ec amen e. Sin emba go, du-
an e las p uebas se ha comp obado que es muy sencillo a e igua
la adi inanza, ya que es a siemp e es muy abs ac a y bas a con
da una con es ación abs ac a. Tiene sen ido, ya que ealmen e
el ejempla no sabe la espues a la adi inanza, si no que e alúa la
espues a del usua io en unción de el con ex o y la p obabilidad.
•NPC Lobo: Es e ejempla de Cha GPT ep esen a a un cacho o
de lobo asus ado, que pod á segui al jugado si es e es capaz de
con ence lo median e ex o. Al se un NPC simple que no equie e
demasiada elocuencia ha uncionado de mane a sa is ac o ia con
un solo e o le e que ue o zado pa a comp oba en qué pun o
se podía hace que salie a del pe sonaje.
•NPC Gua dabosques: El jugado end á que con ence a es e
NPC de que no se encuen a en el escena io po mo i os sospe-
chosos. Si lo consigue, se a, si no, da la ala ma a isando a las
au o idades. Es el NPC que ha uncionado mejo , dando un equi-
lib io en e cohe encia y a iabilidad en e ejecuciones. El único
e o , al igual que en el caso an e io , ue o zado.
Con es os esul ados, se llega a la conclusión de que los NPCs son
una pa e esencial pa a la he amien a, ya que apo an a iabilidad
e in e acción a un cos e de implemen ación muy bajo. Pese a ello, se
equie en p uebas minuciosas pa a asegu a que el ejempla del NPC
implemen ado iene el mínimo de alucinación posible y simula lo mejo
posible el compo amien o que ep esen a.
80 Capí ulo 6. Resul ados
6.2. Discusión
Se puede conclui de es as p uebas que la he amien a, pese a ene una
his o ia base p e ab icada, pe mi e al jugado plena libe ad en sus acciones
den o de la escena, pudiendo a anza de la mane a que desee den o de
las opciones de acciones, NPCs y e en os que o ece Na ae e. Pese a ello,
un 6.67% de e o es g a es es demasiado al o pa a un ideojuego inal, que
obliga ía al jugado a ol e a empeza la pa ida cinco de cada ein a eces,
aunque es un g an aumen o desde la e ce a i e ación, en la que se enían
al ededo de un 30% de allos g a es. Se pod ía con inua minimizando es os
allos ampliando la he amien a pa a pode educi así el amaño de los
p omp s. Es deci , si Na ae e uese lo su icien emen e g ande como pa a
albe ga cen ena es de acciones, el p omp de con igu ación de ac ionGPT
se pod ía educi en un 90 % de su amaño ac ual, lo que supond ía menos
con ex o pa a el ejempla y una mayo p ecisión en la elección de comandos.
Pese a ello, pa ece ex emadamen e di ícil educi los allos has a el 0% ya
que es os cha bo s ienden a la alucinación. Es di ícil que el modelo esponda
mil eces seguidas un comando co ec amen e cuando es á p og amado pa a
con es a “hola, ¿en qué puedo ayuda e hoy?”.
Compa ando con o os abajos simila es que se han p esen ado en el
Capí ulo 2, se puede a i ma que Na ae e ha incidido en usos de LLMs que
e an aún desconocidos, dando un paso adelan e en la explo ación de es os
modelos den o de la gene ación de compo amien os y na a i a.
Pa a odos los ejempla es de Cha GPT incluidos en Na ae e se ha de-
cidido u iliza el español como idioma po comodidad.
6.3. Uso de la API de Cha GPT
A con inuación, se desglosa el uso de la API de Cha GPT po pe iciones
y okens cada mes con apoyo de una abla, 6.2 y di e en es igu as.
Mes Pe iciones Tokens Modelo de GPT-3.5
No iemb e (Figu a 6.1) 23 9.091 u bo-0613
Diciemb e (Figu a 6.2) 1.105 808.310 u bo-0613 y u bo-1106
Ene o (Figu a 6.3) 39 27.261 u bo-1106
Feb e o (Figu a 6.4) 1.701 2.781.615 u bo-1106
Ma zo (Figu a 6.5) 3.409 3.121.480 u bo-1106 y u bo-0125
Ab il (Figu a 6.6) 2.303 1.810.115 u bo-0125
Mayo (Figu a 6.7) 1.286 1.706.377 u bo-0125
To al 9.866 10.264.249 -
Tabla 6.2: Tabla de uso de la API de Cha GPT po pe iciones y okens.
El o al ha sido de 9.866 pe iciones y 10.264.249 c édi os o okens. To-
6.3. Uso de la API de Cha GPT 81
Figu a 6.1: Uso de la API de Cha GPT en no iemb e
Figu a 6.2: Uso de la API de Cha GPT en diciemb e
Figu a 6.3: Uso de la API de Cha GPT en ene o

82 Capí ulo 6. Resul ados
Figu a 6.4: Uso de la API de Cha GPT en eb e o
Figu a 6.5: Uso de la API de Cha GPT en ma zo
Figu a 6.6: Uso de la API de Cha GPT en ab il
6.3. Uso de la API de Cha GPT 83
Figu a 6.7: Uso de la API de Cha GPT en mayo
mando la equi alencia mencionada en el Capí ulo 4, 2.048 okens cada 1.500
palab as, enemos un o al de 10.264.249 okens, lo que equi ale a, ap oxi-
madamen e, 7.515.797 palab as o 27.329 páginas. Es deci , se ha gene ado
el equi alen e a 19,72 eces el lib o de El Quijo e, de Miguel de Ce an es,
o 25.22 eces Juego de T onos, de Geo ge R. R. Ma in.
Capí ulo 7
Conclusiones
A con inuación se esume b e emen e el abajo ealizado, se enume an
los obje i os y se comen a en qué sen ido han sido cumplidos a modo de
conclusiones.
Es e documen o e leja el p oceso comple o del desa ollo de una he a-
mien a de Gene ación P ocedimen al de Compo amien o pa a Videojuegos
Na a i os basada en G andes Modelos del Lenguaje. Es e p oceso incluye la
in es igación del es ado de la cues ión, la de inición de obje i os y elección de
me odología adecuada, y po supues o el desa ollo de la p opia he amien a,
llamada Na ae e.
Un a ículo con esul ados p elimina es sob e es e abajo (Sánchez e
al., 2024) ha sido acep ado en el III Cong eso Español de Videojuegos (CEV
2024)1.
7.1. Conclusiones
A con inuación, se epasan los obje i os del Capí ulo 3 exp esando las
conclusiones inales sob e la consecución de cada uno de ellos.
1. Descub i las mejo es he amien as pa a alcanza nues o p o-
pósi o así como los abajos p e ios más elacionados con es e
pa a apoya nos en ellos. Se ha ealizado una in es igación exhaus-
i a con el oco en los LLMs y la na a i a en los ideojuegos, que ha
se ido pa a en ende el uncionamien o de es a ecnología y elegi la
más adecuada pa a es e abajo. Los esul ados e e en es a es e ob-
je i o pueden e se en el Capí ulo 2, donde se exponen los esul ados
del es udio.
1h ps://seci i.o g/ce /
85
92 Appendix A. In oduc ion
Finally, he conclusions, which include bo h posi i e and nega i e poin s o
he use o LLMs o he c ea ion o beha io s in ideo games, a e p esen ed
in he chap e 7.
In addi ion, he Appendix A and Appendix B con ain he in oduc-
ion and conclusions in English, espec i ely. In he Appendix C he em-
phasis is on he expe ience ob ained wi h he p omp ing enginee ing, expos-
ing wha was ound du ing he use o Cha GPT and he pa icula i ies o
he ope a ion and he in e p e a ion o he inpu s o his LLM. In he Ap-
pendix D he de elopmen jou nal o all he wo k is exposed, explaining he
asks pe o med and documen ing he hou s spen as an e o me ic. In he
Appendix E, all he es s and expe imen s pe o med wi h he ool a e p e-
sen ed in de ail. Finally, he Appendix F con ains a de ailed explana ion
abou he ins alla ion and use o he ool.

Appendix B
Conclusions
The ollowing is a b ie summa y o he wo k ca ied ou , lis ing he
objec i es and commen ing on how hey ha e been me as conclusions.
This documen e lec s he comple e p ocess o he de elopmen o a ool
o P ocedu al Gene a ion o Beha io o Na a i e Video Games based on
La ge Language Models. This p ocess includes he in es iga ion o he s a e
o he a , he de ini ion o objec i es and choice o app op ia e me hodology,
and o cou se he de elopmen o he ool i sel , called Na ae e.
A pape wi h p elimina y esul s on his wo k (Sánchez e al., 2024) has
been accep ed a he III Cong eso Español de Videojuegos (CEV 2024)1.
B.1. Conclusions
The ollowing is a e iew o he objec i es o chap e 3 exp essing inal
conclusions on he achie emen o each objec i e.
1. Disco e he bes ools o achie e ou pu pose as well as he
mos ela ed p e ious wo ks o suppo us in hem. An exhaus-
i e esea ch has been ca ied ou wi h he ocus on LLMs and na a i e
in ideogames, which has se ed o unde s and he unc ioning o his
echnology and o choose he mos sui able one o his wo k. The
esul s conce ning his objec i e can be seen in he chap e 2, whe e
he esul s o he s udy a e p esen ed.
2. Design p omp s o each game si ua ion ha y o minimize
he amoun o e o s ha occu in Cha GPT esponses. This
sec ion was much mo e ime consuming han could ha e been expec ed,
as he p omp s ha needed o be c ea ed had o be e y speci ic in
1h ps://seci i.o g/ce /
93
94 Appendix B. Conclusions
o de o minimize he numbe o e o s. Since his is a ool ha has
o ansla e messages om an LLM in o ac ions wi hin he sys em
i sel , he accu acy has o be e y high, so his has been a pa icula ly
cos ly objec i e. The de ails o achie ing his goal can be seen in he
appendices C, D and he co esponding sec ions o chap e 5.
3. Design a communica ion sys em in Uni y wi h he Cha GPT
API so ha he playe can in e ac wi h he en i onmen ,
e ec i ely in e p e ing he AI’s esponses using a o mal lan-
guage. The Cha GPT con ol will be adjus ed, limi ing i s
c ea i e eedom o i he backg ound heme and na a i e,
bu wi hou losing non-de e minism and a iabili y. Along
wi h he de elopmen o he ad en u e game, his has been he mos
ime-consuming objec i e. F om he i s day o he las we wo ked on
his objec i e due o he i e a i e s uc u e o he de elopmen p ocess.
In he i s weeks we managed o es ablish he connec ion be ween he
de elopmen en i onmen and he model, and since hen we ha e been
wo king o imp o e he use o he LLM by means o p omp enginee -
ing and p og amming in C++. The esul has been a sys em capable
o sending, ecei ing and in e p e ing messages as ac ions wi hin he
sys em, hus implemen ing AI decisions as ac ions. Ful illing his goal
comple ely has no been possible due o he abundan hallucina ions
su e ed by cu en LLMs, which o no ob ious eason make hem make
bla an mis akes a any ime. Fo his eason, i has been di icul o
de elop a eliable 100% ool, which was he ideal goal.
4. To de elop an ad en u e game whe e all he playe ’s ac ions
a e in e p e ed and esponded o by Cha GPT, wi h enough
na a i e elemen s o gene a e a non- i ial s o y wi h a i-
abili y. This goal has gone hand in hand wi h he p e ious one, blend-
ing in limi ing elemen s such as ac ions o con e sa ions pe o med
h ough Cha GPT copies. This goal has been me by including sce-
na ios wi h objec s and isual e ec s ha main ain consis ency wi h
he s o y and backg ound heme. In addi ion, al hough no as sa is-
ac o ily, he di e en Cha GPT exempla s main ain consis ency wi h
he s o y i sel in mos o hei esponses, again wi hou being able o
speak o 100 pe cen eliabili y. Al hough i is a mo e p edic able use,
e en s and NPCs ha e been designed o add alue o he na a i e.
Despi e essen ially mee ing he p oposed objec i es, he esul s ha e no
been as good as in ended due o he somewha unp edic able na u e o LLMs.
These models a e no e ec i e o asks as o mal as hose equi ed in his
ool, which has led o he sea ch o ways o mi iga e e o s h ough he use
o mul iple specialized Cha GPT exempla s. Howe e , i seems impossible,
B.2. Fu u e wo k 95
a leas wi h GPT-3.5, o comple ely elimina e bugs ha ha e o do wi h
hallucina ion, so he ool may gi e “e o ed” o “non-op imal” cha bo ype
bugs in a small pe cen age, a ound 5-10%, o i s execu ions. Na u ally,
o a na a i e ideo game coming o ma ke his would no be admissible,
so he e would s ill be wo k o be done and many imp o emen s in he
eliabili y o he models o use LLMs in comme cial ideo games. Despi e
his, he simples implemen a ion o NPCs has b ough a lo o alue and is
a e y solid poin o Na ae e. Con e sa ion wi h cha ac e s is an elemen
ha gi es g ea a iabili y and in e ac ion wi h he playe wi hou c ea ing
se ious p oblems due o hallucina ion; hey a e one mo e elemen in he
oolki and no i s co e, so bugs do no in e e e in i s co ec unc ioning.
The ollowing sec ion discusses he possibili ies o u he p og ess in his
line o wo k.
B.2. Fu u e wo k
The mos in ui i e way o con inue his wo k is o expand he co pus o
ac ions o he ool, since, i enough ac ions a e added, he e will come a poin
when i is no longe necessa y o add hese ac ions and hei explana ion
o he main Cha GPT samples. This is because Cha GPT ends o lose
e ec i eness in e y long con ex s; i you had a huge amoun o implemen ed
ac ions, you could gi e indica ions abou hem in a ew lines and he sys em
would ocus on he es o he con ex , inc easing i s e ec i eness. Howe e ,
cu en ly, you ha e o use a ex ha includes one line pe ac ion, o explain
he command and i s unc ion. This is also discussed in he Appendix C.
On he o he hand, he easy implemen a ion and use o NPCs based on
sepa a e Cha GPT exempla s can b ing a lo o alue o each scene in which
hey a e included. This would only equi e basic knowledge in p omp engi-
nee ing and Uni y, and can gi e a lo o in e ac ion o he playe h oughou
he whole ool.
Ano he possibili y is he use o a mo e powe ul LLM, such as GPT-4,
GPT-4 o ano he model ha may appea in he nea u u e. Wi h a model
ha is less p one o hallucina ion, mos o he p oblems ha ha e been
a ising du ing he de elopmen o he ool could be ixed. In addi ion, o
a oid p oblems such as he censo ship applied by OpenAI, i is possible o
use an Open Sou ce LLM such as Mix al, discussed in he chap e 2, o y
o ain ou own model ha ocuses p ecisely on i s applica ion o a ideo
game.
Since mos o he con en on he In e ne is in English, i can be assumed
ha Cha GPT and o he LLMs ha e been ained wi h da a, o he mos
pa , in his language. The e o e, i is possible ha he esul s wo king in
English may sligh ly imp o e, o he beha io o he sys em may a y, wi h
96 Appendix B. Conclusions
espec o he conclusions ob ained in his wo k. This may be an impo an
poin o u u e es s, ela ed wo k o ex ensions and imp o emen s o he
ool.
I has been a e y expe imen al p ojec a e which he au ho is se iously
conside ing he possibili y o wo king owa ds a u u e job ela ed o esea ch,
doing a mas e ’s deg ee and a doc o a e in he no oo dis an u u e.
Apéndice C
P omp Enginee ing
A lo la go del desa ollo de es e TFG he dedicado una g an can idad de
ho as a la c eación de los di e en es p omp s u ilizados en la he amien a.
En es e apéndice a a é la me odología que he seguido, así como las ob-
se aciones y cu iosidades descubie as du an e es as ho as de abajo. El
mejo consejo que puedo da es que, si después de modi ica el p omp al
máximo, Cha GPT es á come iendo muchos allos o allos de la misma ín-
dole, lo mejo es comenza con un nue o ejempla de Cha GPT, ya que es
muy dependien e de la con igu ación inicial. Den o del Capí ulo 5 pueden
e se odos los p omp s u ilizados en Na ae e a lo la go de las di e en es
i e aciones.
C.1. Me odología
La c eación del p omp ha comenzado siemp e con la edacción de un
ex o p elimina en el que se dan las ins ucciones que c eo necesa ias e
impo an es pa a el ejempla . A con inuación, una p ime a ase de p uebas
en la que añadía o qui aba de alles pa a i ajus ando el p omp hacia la
op imalidad, u ilizando pa a ello la página de Cha GPT. Dependiendo del
ejempla , es e p oceso du aba en e unos minu os o incluso ho as. A pa i
de no iemb e se lanza on ”los GPTs”, lo que me ayudó en es e p oceso de
p omp ing enginee ing, añadiendo una nue a ase en la que, una ez había
op imizado el p omp , se lo pasaba a GPT-4 con el obje i o de con igu a
un GPT pe sonalizado. Dado que puedes accede al p omp gene ado en
la con igu ación de es e GPT, lo gua daba pa a u iliza lo ín eg amen e o
pa cialmen e. Po ejemplo, en el caso del ejempla de Nae eGPT se ha usado
de mane a ín eg a es e p omp debido a sus buenos esul ados, añadiendo
además las acciones posibles que pueden se ealizadas.
T as es as e apas de con igu ación, se p obaban los p omp s den o de
97

98 Apéndice C. P omp Enginee ing
la he amien a y se ealizaban las úl imas modi icaciones en caso de e o es.
El ejempla Ac ionGPT es un caso pa icula , ya que la mayo ía de p uebas
han sido ealizadas den o de la he amien a, con el obje i o de comp oba
e o es de o ma o, así como la implemen ación de las acciones.
C.2. Obse aciones y Cu iosidades
En el Apéndice D pueden e se alguna de es as obse aciones, sin em-
ba go, en es e apa ado las condensa é y explica é de o ma dila ada.
Lo p ime o que cabe des aca de los LLM es que, po su p opia na u-
aleza, al se modelos p obabilís icos, an a ene una endencia a da la
espues a más p obable, dando menos impo ancia, en ocasiones, al con ex-
o ecien e, y aún menos al lejano. Po ello, a no se que se le mencione al
modelo de mane a explíci a, muchas eces igno a á sucesos u obje os que
debe ía conoce po que han ocu ido du an e la con e sación o se in en a á
o os nue os an e la necesidad de da una espues a.
Voy a expone los siguien es ejemplos pa a da peso a es as obse aciones:
«La lla e que nunca es u o»: Du an e las p uebas del p omp p in-
cipal en múl iples ocasiones el ejempla espondía que iendo u iliza
o encon a una lla e do ada o una lla e mágica y usa la pa a ab i
una pue a. En ningún momen o se mencionó ninguna lla e ni pue a,
po lo que es o se lo in en ó el ejempla de Cha GPT pese a las indi-
caciones. P obablemen e, debido a que los da os con los que ha sido
en enado con enían es os ópicos den o de un con ex o simila .
«El pa agüe o mágico y la ca a»: Du an e las mismas p uebas,
indiqué al ejempla que había un pa agüe o acío sin menciona nada
más. Mi in ención es que ue a capaz de in en a esconde se en él e-
niendo en cuen a que había una si uación de pelig o y que Nae e es
una niña de 11 años que enía mucho miedo y pod ía cabe en uno. Sin
emba go, el ejempla a ó de saca un pa aguas del pa agüe o y a aca
con él al enemigo que se ace caba. En o a ocasión he mencionado que
había una mesa en la que un homb e con somb e o esc ibía una ca a.
Una ez el homb e se había ido, le he p egun ado qué había en la mesa,
espe ando que mencionase la ca a o incluso el con enido de la misma,
sin emba go, ha encon ado una lla e b illan e.
«Déjame a mi que yo lo hago mejo »: La endencia del modelo
a con inua po sí mismo la his o ia ha sido an g ande que u e que
añadi una ins ucción en el p omp pa a que no lo siguie a haciendo.
Aun con es o, de cuando en cuando a aba de con inua po sí mismo
la his o ia, en ez de espe a a la acción del jugado . En ocasiones, una
C.2. Obse aciones y Cu iosidades 99
en ada simple del jugado como «El jugado hace click en el suelo», el
ejempla ha a anzado a ese pun o, ha in en ado habla con una pe sona
inexis en e que le ha dado una lla e y ha podido hui a a esando una
pue a mágica que ha lle ado a Nae e a un luga segu o. En o as
ocasiones, especialmen e du an e las p ime as p uebas, el ejempla de
Cha GPT con inuaba la his o ia po sí mismo pe o in e p e ando al
jugado , esc ibiendo salidas como «El jugado hace click en el pa aguas
y Nae e lo coge; después lo ab e pa a cub i se de la llu ia...».
«Colo ín colo ado es e cuen o se ha acabado»: O a endencia
cons an e de Cha GPT ha sido la inalización de la his o ia po su
cuen a, una ez más haciendo caso omiso de las ins ucciones exp esas
en el p omp . Siguiendo el ejemplo del úl imo apa ado, después in-
e p e a al jugado ha seguido jugando po sí mismo has a acaba su
p opia his o ia. T as es o, ha p egun ado: «¿Te puedo ayuda con algo
más?». A pa i de aquí cada ez que in en abas ol e a in e ac ua
con el ejempla como el jugado , ol ía a in en a se una his o ia nue a
y la ol ía a e mina , ejecu ando po sí mismo los mo imien os del
jugado .
«Voy a in e p e a diciendo que in e p e o»: Es e p oblema ha
p e alecido du an e odo el desa ollo de la he amien a. Una enden-
cia a esc ibi en la espues a ases como «In e p e ando a Nae e:»
an es de cada ex o en lenguaje na u al, y «Lenguaje o mal:» an es
de cada comando. Es e ue uno de los mo i os po los que decidí sepa-
a el ejempla de Nae e en dos. Cabe des aca que an es del cambio
ambién ag egué en el p omp ins ucciones especí icas pa a que es o
no ocu ie a, sin demasiado éxi o.
O o de alle impo an e de Cha GPT es la con igu ación inicial, ya que
una ez le has en iado el p ime p omp , puede e se una endencia en
sus espues as que no cambia a lo la go de la con e sación con el ejempla .
Es o implica que si has iniciado la con e sación con un ”mal ejempla ”, que
come e allos o no es an bueno como necesi as en sus espues as, se á así
du an e oda la con e sación. Debido a es a si uación, el modelo es muy
dependien e de su con igu ación inicial, que iene un componen e alea o io
di ícil de con ola . De es a o ma, una de las mane as de iden i ica un
p omp de calidad es la can idad de con igu aciones inicial sa is ac o ias que
e de uel e.
El p oblema más ele an e que he enido que soluciona a base de lu-
cha con a la p opia na u aleza de Cha GPT (o cualquie g an modelo de
lenguaje) ha sido la impo ancia de las espues as en un lenguaje o mal
es ic o en e a la endencia a la alucinación del modelo. Es as alucinacio-
nes son e o es come idos po el modelo en momen os de ince idumb e que
100 Apéndice C. P omp Enginee ing
pueden se an lag an es como equi oca se al suma 2 + 2. Ejempli ico es os
p oblemas a con inuación:
«La acción que nunca exis ió»: En odas las i e aciones de la he-
amien a se le ha pasado al ejempla p incipal de Cha GPT las posi-
bles acciones que puede ealiza pa a acili a el pa seo de las mismas.
Sin emba go, debido a la alucinación del modelo, de ez en cuando
e encuen as acciones que no han sido conside adas ni en iadas en el
p omp .
«El o ma o lo decido yo»: Siguien e es a línea, los e o es de o -
ma o en la salida han sido una cons an e y han lle ado a cambia el
o ma o en e una i e ación y o a. E o es comunes en el p ime o ma-
o ue on, en ez de «[Acción],[Obje o]», «[Acción,Obje o]» y «*[Ac-
ción],[Obje o]*»; y en ez de «[Accion],[Posicionx,posiciony]», «[Ac-
ción],(posicionx,posiciony)».
Al a a se de e o es g a es, decidí cambia el o ma o a uno más
simple.
«Vamos a añadi más»: Pese al cambio de o ma o, hubo un e o
que con inuó epi iéndose, y es que Cha GPT, pese a que iene odo el
abeceda io del lenguaje, y el o ma o limi ado, ha seguido esc ibiendo
acciones que equie en de un obje o con dos obje os, o dos acciones
seguidas. Po ejemplo: «/u iliza /lin e na/enemigo», pa a u iliza la
lin e na sob e el enemigo o «/espe a /mo e » pa a espe a y luego
mo e se.
«P e ie o o o e bo»: Cambia una palab a del lenguaje po o a
que no es á en él, y que no debe ía conoce . Es e p oblema ambién
se ha is o en odas las i e aciones, aunque iene una solución más
sencilla, ya que en caso de come e lo a ias eces, se puede acep a
ambién como pa e del lenguaje. Es o ha ocu ido en especial con el
mo imien o: «/a anza /posx,posy» o «/ace ca se/posx,posy» en ez
de «mo e /posx,posy» .
O a obse ación ele an e que he is o es que cuan o menos mejo . Al
da demasiada in o mación al ejempla , da la sensación de que se e obligado
a epa i los pesos en e an os elemen os, que deja de da le a cada uno de
mane a indi idual la impo ancia que debe ía. Po lo que, como consejo,
los p omp s cuan o más co os y explica i os, mejo . C eo que es un g an
ejemplo de uso e cómo es el p omp de con igu ación de ”los GPTs” de
GPT-4. Siemp e es un único pá a o co o en el que se da ins ucciones
concisas y de mane a muy di ec a a Cha GPT, añadiendo sólo los elemen os
impo an es que iene que cumpli sí o sí.
C.2. Obse aciones y Cu iosidades 101
Eso, cla o, ha sido un p oblema en el caso de es a he amien a, ya que el
co pus de acciones es ini o y iene que ene un o ma o de e minado, po lo
que en algún momen o es a in o mación se iene que comunica a Cha GPT.
Si la he amien a ue a lo su icien emen e g ande como pa a albe ga cien os
de acciones, es e ex o adicional no hab ía que añadi lo en el p omp , y
bas a ía con menciona un o ma o, como po ejemplo, que las acciones que
se decidan hace siemp e es én en in ini i o, de mane a que se pueda pa sea
casi cualquie acción ácilmen e. Sin emba go, al solo ene unas decenas de
acciones en la he amien a me eo obligado a pasá selas al ejempla , ya que
de o o modo la mayo ía de acciones ealizadas no se pod ían in e p e a .
108 Apéndice D. Dia io de desa ollo
Uni y elacionado con es o. Empeza a esc ibi ex os y p omp s pa a
ene una buena base de da os de esul ados. In en a e si puedo con-
segui que con es e siemp e con un lenguaje de e minado. In es iga la
mane a adecuada de cons ui los p omp s pa a ob ene los esul ados
deseados. In es iga los emas psicológicos de la pé dida y el miedo y
liga lo con lo que oy a hace en cuan o a na a i a.
T abajo ealizado: A con inuación, el p ime p omp de Cha GPT
que esc ibí pa a i p obando cómo podía unciona .
«REGLAS: Es ás en un ideojuego 2d y e es la IA de la p o agonis-
a, po lo que us acciones deben se de e minis as. No con inúes la
his o ia, espe a a la acción del jugado y no e in en es nada ace ca
del escena io ni la acción. No puedes decidi qué hace el jugado , es
él (en es e caso mis espues as) el que e dice qué hace a con inua-
ción. Nae e no es conscien e de que es á en un ideojuego, po lo que
puede mos a se eacia a hace lo que el jugado quie e si no es lo que
ella quie e. Tus espues as han de se simples, pa a aduci las en ac-
ciones ácilmen e median e código. A con inuación e ha é una b e e
in oducción a la his o ia pa a que engas con ex o del pe sonaje y el
en o no.
B e e in oducción:
Nues a p o a, una niña de unos 11 años, se sube al coche de sus pad es
pa a pasa las acaciones. Su pad e le acaba de egala un cómic cuya
po ada mi a con ascinación e ilusión. Lo ab e con ansia y pasa las
páginas ápidamen e con una son isa de o eja a o eja.
T ansición de iempo du an e el iaje. El cielo se a nublando y os-
cu eciendo. La niña, Nae e, sigue leyendo, ges iculando emocionada
con o me a anza. Comienza a llo e ; una o men a. Con uno de los
ayos se a isba, en la en anilla, en un segundo plano, siendo el p i-
me o la niña leyendo, un coche de ás de unos á boles. Poco después,
el coche pa a po in; han llegado a una casi a u al. Nae e no despega
los ojos del cómic has a que su mad e ab e la pue a. Nae e se sob e-
sal a; no se había dado cuen a de que el coche había pa ado. Su mad e,
con una son isa, le o ece un pa aguas abie o y la niña sale del co-
che aga ándolo con una mano, mien as con la o a sos iene su cómic
abie o, aún sin e mina . La llu ia no cesa y o o ayo ilumina una
silue a en el bosque; apenas isible, con opas oscu as y somb e o (El
somb e o se ia lo más isible y ca ac e ís ico). Nae e lo e, pa padea
pe o la silue a ya no es á, solo e a isible po la luz del ayo. Su mad e
llama su a ención pa a que se dé p isa en i has a la pue a y la niña
la sigue, mi ando hacia el bosque de cuando en cuando.
Ya en la casa, Nae e sigue leyendo en el so á. A su izquie da, una
en ana y la pue a. F en e a ella, una mesi a y la chimenea, que su

D.2. Segunda eunión 109
pad e es á encendiendo. Su luz es su icien e pa a segui leyendo. La
o men a a ecia. Un a o más a de, cuando aún no ha e minado
el cómic, alguien llama a la pue a. Nae e echa un is azo, se encoge
un poco y sigue leyendo. Su pad e llega a la habi ación pa a ab i la.
Jus o cuando su pad e lle a una mano al picapo e, un ayo ilumina
le emen e una somb a sin somb e o que se e a a és de la en ana.
Nae e se encoge un poco más, le da miedo la silue a del homb e e
in en a llama a su pad e, pe o el ueno y la pue a al ab i se ahogan
su oz. La pue a se ab e, su pad e unce el en ecejo, pe o Nae e no
llega a e al homb e del somb e o. De epen e, un es uendo. Su pad e
sale dispa ado iolen amen e hacia a ás y cae al suelo, sang ando.
T as unos segundos deja de mo e se. Nae e aga a ue e su cómic y
se encoge aún más. Su mad e llega co iendo al salón en el momen o
en que el homb e en a. Su mad e e el cue po de su pad e y echa
a llo a . Se di ige hacia el homb e g i ando, pe o es e la aga a y la
i a al suelo. T as un o cejeo en el que g i an palab as que Nae e no
es capaz de en ende , se oyó o o es uendo y su mad e cae al suelo.
Nae e llo a, acu ucada en el so á. El homb e del somb e o se ace ca
con una escope a en la mano. Un ayo ilumina su os o y lo econoce.
Nae e hunde la ca a en su cómic y cie a los ojos con ue za.
T as unos segundos de pan alla en neg o, pasa iamos al escena io de
gameplay, en el que se man iene aún la oscu idad y la o men a. Es a-
ía ya en 2D. Y Nae e es á sen ada aga ándose de odillas. Es a íamos
en un escena io 2D que ocu e en la men e de Nae e debido al Shock.
Es deci , odo el ideojuego ocu e en su men e. El escena io es un
bosque llu ioso. Se e un cómic en una ama, un pa aguas en el suelo
y un pa agüe o acío en el que pod ía cabe una niña. La acción pasa
a es a en manos del jugado , Po lo que no ienes que esponde ni
con inua la his o ia.
" in de la in oducción"»
Es os ue on mis apun es y conclusiones sob e el compo a-
mien o de Cha GPT:
Cha GPT iende a segui la his o ia él mismo pese a que se le ha dicho
en el p omp que es la una IA en un ideojuego. In en a con inua po
si mismo la his o ia, espondiendo cosas como «el a ón se mue e y. . . »
pese a ene eglas explíci as pa a no hace lo. Cha GPT ha llegado a
coge una lla e que no exis ía y ha con inuado luego con esa lla e en
la mano.
La cla e en es e caso pa ece da les las eglas po sepa ado. Le he da-
do las eglas al comienzo y el con ex o después. Ha uncionado mucho
mejo , aho a es á a la espe a de la acción del jugado sin habe se in-
en ado nada po si solo. Quizá cada cie o iempo haya que eco da le
110 Apéndice D. Dia io de desa ollo
las eglas y/o el con ex o de la in oducción.
Ejemplo de salida: La IA pa ece se conscien e del con ex o de la
niña, ya que cuando el jugado hace click en un pun o del suelo, se
limi a a es a ale a. Es impo an e da odos los de alles del escena io.
Po ejemplo, no ale con deci que hay un pa agüe o, hay que de alla
que en el pa agüe o hay si io su icien e pa a que en e Nae e, con el
obje i o de que se le ocu a que puede me e se. Si no, po la «p esión»
de hace algo, saca un pa aguas de la nada, cuando debe ía eco da
que es á acío.
La cla e pa ece se en ia las eglas del juego, luego el con ex o y luego
los pun os impo an es de la escena. Po sepa ado.
Es impo an e que la IA sí ecue da el con ex o que le has dado, pe o
le da p io idad a o as cosas, a no se que se lo ecue des.
Le cues a mucho que se le ocu an cosas minimamen e imagina i as.
Al clica sob e un so á eniendo al homb e del somb e o ce ca, se queda
mi ándolo, en ez de pensa que pod ía esconde se de ás. Hay que da
las ins ucciones con pis as como: El jugado clica en el so á, de ás
hay si io pa a que pueda esconde se. Gene almen e cuando le mandas
esconde se y ya no es necesa io, sale ella sola del escondi e, aunque
pod ía no sali y aquí end íamos un poco de no de e minismo que no
se ía dañino, ya que pa a hace que salga, el jugado solo iene que
clica algún pun o de la escena. El caso es que la IA sigue haciendo
caso a lo de espe a la acción del jugado y ha dejado de in en a se la
his o ia cada ez que quie e.
He mencionado que en una mesa hay unas elas y el homb e esc ibiendo
una ca a. Después, ha espe ado a que le diga qué hay en la mesa. Le
he dicho que me lo diga él y ha espondido una lla e b illan e. No he
dicho explíci amen e que el homb e haya dejado la ca a en la mesa
po lo que es comp ensible que no lo sepa, pe o se ha in en ado lo de
la lla e en ez de deci nada o las elas. Le he eco dado que no puede
in en a se nada y ha co egido diciendo que hay un sob e, pe o no es
conscien e de que iene que se la ca a que acaba de esc ibi el homb e
del somb e o.
Ano ación Impo an e: si el jugado clica cien os de eces seguidas, se
en ia án odas la acciones? Es o pod ía sa u a y c ashea a la IA.
En es a semana, OpenAI sacó los GPTs pe sonalizados y es u e p o-
bándolos, ob eniendo un mejo esul ado ( ambién se a aba de GPT-4
en ez de GPT-3.5) y g acias a ello conseguí un p omp más pulido.
A con inuación el p omp mejo ado:
Rol y obje i o: Soy ”Nae e IA”, la in eligencia a i icial de Nae e,
una niña de 11 años en un ideojuego en 2D. Respondo a las acciones
D.3. Te ce a eunión 111
del jugado con las decisiones de Nae e, sin ene conciencia de es-
a en un juego. Puedo esis i acciones que no es én alineadas con las
p e e encias de Nae e. Con ex o: Los pad es de Nae e han sido asesi-
nados po un homb e con somb e o. T as eso, Nae e se me e den o
de su men e pa a supe a el Shock y ahí es donde ocu e el ideojue-
go. El escena io es oscu o y o men oso. Los obje os más que idos de
Nae e son un cómic que le egaló su pad e y un pa aguas ojo de su
mad e, pe o no los lle a encima. Res icciones: No con inúo la his o ia
ni c eo de alles del escena io. Mis acciones se basan es ic amen e en
los comandos del jugado , y no decido las acciones del jugado . Mis
espues as son ex emadamen e b e es, limi adas a dos o es palab as
como ”Mo e ” o ”Rechaza ”. Di ec ices: Ac úo en base a los comandos
del jugado , man eniendo consis encia con el pe sonaje de Nae e, quien
es á en un es ado de miedo. Mis eacciones se ajus an a su es ado emo-
cional y la na a i a del juego. Acla ación: An e comandos poco cla os,
pido acla ación pa a asegu a acciones ap opiadas y con ex ualizadas.
Pe sonalización: Mi ono es eme oso, aco de al es ado emocional de
Nae e. Mis espues as son concisas, acili ando su implemen ación en
las acciones del juego. Con ex o escena 1: Escena io oscu o y llu ioso.
Hay un so á ojo en medio de la escena, donde Nae e apa ece acu u-
cada. En el ex emo de echo de la escena hay una mesa con un pa de
elas.
In es igando LLMs llegué a la conclusión de que GPT e a la mejo
opción, po su ácil acceso a la API a a és de Uni y u ilizando un
eposi o io ex e no. (Mencionado en la sección 4.2.1.6).
Tiempo in e ido: 10 ho as
D.3. Te ce a eunión
Reunión: Mié coles 29 de no iemb e de 2023.
Resumen de la eunión: Cómo usa Cha GPT pa a con a his o ias
y ambién hablamos de los GPTs: con ex os que puedes deja g abados.
Cha GPT en Uni y
Ta eas pa a la p óxima eunión: Comenza con la in es igación
ace ca de LLMs pa a la memo ia. Es uc u a el apa ado de es ado
de la cues ión y habla ace ca de la na a i a, la IA gene a i a, y la IA
gene a i a en ideojuegos, es deci , pasa de lo más gene al a lo más
especí ico de mi ema. Comenza con el desa ollo, expe imen ando
con las posibles o mas de u iliza los LLMs pa a el desa ollo de un
ideojuego na a i o.
112 Apéndice D. Dia io de desa ollo
T abajo ealizado: Comencé el desa ollo de la p ime a i e ación de
la he amien a en Uni y. Es u e la mayo pa e del iempo conec ando
Uni y con la API de Cha GPT pa a pode en ia le las acciones que
iba haciendo el jugado median e clicks. En es e caso sólo implemen é
la acción mo e . Y si la espues a de GPT incluía «Mo e » o «a an-
za » Nae e se mo ía a la posición (gua dada p e iamen e) a la que se
había clickado. E iden emen e es a p ime a i e ación e a muy simple
y no pa ecía ene mucho sen ido u iliza GPT de es a o ma an sim-
ple, ya que se pe día el no de e minismo que podía apo a la IA. Sin
emba go, e a un comienzo pa a comp oba que e a posible c ea la he-
amien a. Además comencé a ecopila in o mación sob e ap endizaje
au omá ico, edes neu onales y LLMs.
Tiempo in e ido: 20 ho as
D.4. Cua a eunión
Reunión: Lunes 11 de diciemb e de 2023.
Resumen de la eunión: Abo damos el ema de la memo ia y la-
ex: Es ado de la cues ión: na a i a, ia gene a i a, ia gene a i a en
ideojuegos. . . 20 páginas al menos. Me odología: Donde he encon a-
do la in o mación... Con a en gene al cómo se ha hecho el abajo.
Desa ollo: Explicación de cómo unciona el sis ema, diag amas uml.. .
Resul ado: Todo lo que sean da os e in o mación pa a demos a que
se ha llegado a los obje i os del abajo.
Ta eas pa a la p óxima eunión: In es igación (es ado de la cues-
ión de la memo ia) a anzado. Desa ollo de Demo del p ime p o o-
ipo. P esen ación del TFG has a aho a con el es o de es udian es de
g ado, más e y doc o ado. Op imiza el código pa a adap a lo a lo
que necesi o, añadiendo más no de e minismo pa a que no sea in as-
cenden e. Es o lo ha é con de alles como pasa le la posición al modelo
y que decida si se mue e ahí o no en ez de gua da la posición y si me
esponde «mo e », mo e me a esa posición. También c ea el lenguaje
o mal pa a la comunicación con el modelo.
T abajo ealizado: Es a semana comencé el desa ollo de la segunda
i e ación, que incluía la implemen ación de un lenguaje o mal pa a po-
de pa sea las espues as de la IA. Pa a consegui lo, las espues as de
la IA enían dadas en dos o ma os: lenguaje na u al pa a in e p e a a
la niña y lenguaje o mal pa a pode in e p e a las acciones: Además,
me p epa é la p esen ación del abajo pa a la p ime a eunión gene al
D.4. Cua a eunión 113
de los es udian es de g ado, mas e y doc o ado de Na a ech, inclu-
yendo el apa ado de es ado de la cues ión, en el que in es igué sob e
ans o mado es y di e en es LLMs; así como abajos elacionados, del
ICID 2023.
En es a implemen ación, con el obje i o de ene una demo que ense-
ña , implemen é en un escena io a ios obje os y acciones que hace
sob e ellos, pa a que Nae e (Cha GPT), po medio de sus espues as
pudiese hace algunas de la acciones que expongo a con inuación sob e
los siguien es obje os del escena io: Acción: coge , mo e , ans o ma ,
ib a , desapa ece , ele a , mengua , c ece , explo a , a aca , esconde -
se, a ae , ele anspo a , sol a , le i a , apa ece , u iliza . Obje os:
pa aguas, cómic. En es: enemigo, aliado
P omp u ilizado en es a i e ación:
E es la p o agonis a de un ideojuego pla a o mas 2D. Te llamas Nae-
e. Po cada acción que ocu a en el juego, es deci , cada mensaje
en iado po el jugado , puedes decidi lo que quie es hace . Puede se
cualquie acción, ya que es ás den o de u men e y odo es posible.
Escena: «Bosque oscu o. Hay una o men a. Apa eces en la posición
(0,0). Hay un pa aguas en la posición (36.35,-1.3). Hay un cómic en
la posición (15.2,16). Si la posición del obje o no es á dada, signi ica
que lo ienes en el in en a io a u disposición.»
Tu espues a se á en dos o ma os: In e p e ando a la p o agonis a, una
niña que acaba de pe de a sus pad es y aún es á en shock y en lenguaje
o mal lis o pa a se pa seado como acciones en el ideojuego. Es e len-
guaje o mal es a á en e []. Se ep esen a á como «[Acción][Obje o]».
El lenguaje o mal es á de inido po el siguien e abeceda io:
Acción: coge , mo e , ans o ma , ib a , desapa ece , ele a , men-
gua , c ece , explo a , a aca , esconde se, a ae , ele aspo a , sol a ,
le i a , apa ece , u iliza .
Obje o: pa aguas, cómic.
En es: enemigo, aliado.
Ejemplo comple o 1: mensaje del usua io: «[El jugado hace click sob e
una caja]». Respues a Cha GPT: «C eo que ha é le i a esa caja con
mi men e. [le i a ][caja]» Ejemplo comple o 2: mensaje del usua io:
«[El jugado hace click en un pun o del suelo]». Respues a Cha GPT:
«Puedo i has a allí, sí. [mo e ][posición X,posición Y]» ó «Puedo mo-
e la caja, sí. [mo e ][caja][posición X,posición Y]» Ejemplo comple-
o 3: mensaje del usua io: «[El enemigo se ace ca a i]». Respues a
Cha GPT: «In en a é u iliza mi lin e na pa a deslumb a lo. [U ili-
za ][Lin e na][Enemigo]»

114 Apéndice D. Dia io de desa ollo
Res icciones: No puedes añadi ex o adicional ni al p incipio ni al
inal. Espe a a la p ime a acción del jugado , es deci , al siguien e
mensaje que se e en íe.
Tu p ime mensaje se á igno ado.
Ano aciones sob e las espues as de Cha GPT es a semana:
Habla le de ú en el p omp pa ece impo an e. En ez de u iliza
un lenguaje como «e es Nae e y es ás in e p e ando a una niña que
ha pe dido ecien emen e a sus pad es», es mejo : «E es Nae e, has
pe dido ecien emen e a us pad es».
GPT uel e a in en a u iliza una lla e que no exis e: «[Sol a ],[lla e]».
A pa i de aho a, me e e i é al conjun o de una con e sación
con Cha GPT como « un». Cha GPT pa ece se muy dependien e
de su con igu ación inicial, de mane a que, dependiendo de es a, end á
mejo o peo calidad pa a lle a a cabo el p opósi o que se necesi e.
Además, cuando en una « un» del juego el ejempla de Cha GPT
comienza come iendo e o es, con inúa con es e ipo de e o es odo el
iempo, dando la sensación de que ha ocado un "mal GPT.es a ez. Es
deci , si deja de segui las di ec ices ma cadas de una o ma u o a,
segui á haciéndolo has a que ese ee la ejecución de la he amien a en
Uni y, ese eando ambién GPT. Se depende mucho de que salga una
« un» buena del ejempla de Cha GPT.
Ejemplo de « un» mala en la que, cons an emen e, comienza los men-
sajes de la siguien e mane a, saliéndose del pe sonaje:
«In e p e o a Nae e, la niña asus ada: ¡Oh no! Un homb e del
somb e o se ace ca. Necesi o encon a una o ma de p o ege me o es-
capa . [Esconde se, so á]»
O o ejemplo de es e ipo de e o es: Inpu : In e p e o a Nae-
e, la niña en shock: Reg eso al escena io p incipal, aunque mi miedo
pe sis e. Necesi o encon a una mane a de lidia con ese homb e del
somb e o. [Mo e , 0, 0] Ou pu : [Co ec o]
En es e caso ha come ido a ios e o es seguidos; se ha salido del pe -
sonaje y a la ez ha esc i o po sí mismo la espues a como Ou pu .
Tiempo in e ido: 30 ho as
D.5. P ime a eunión gene al
Reunión: Lunes 18 de diciemb e de 2023.
D.6. Quin a eunión 115
Resumen de la eunión: Se lle a on a cabo las p esen aciones. Hubo
ma izaciones sob e abo da el ema de los obje i os y la mo i ación
desde el p isma de la pa e de in o má ica apa e de la na a i a.
Ta eas pa a la p óxima eunión:
1. Me odología y dia io de desa ollo.
2. A anza en la memo ia. Sin e iza y pasa a limpio pun os 1 y 2.
3. Desa ollo odas las mecánicas iniciales
4. Hace la es uc u a comple a de la p ime a escena, que acaba ía
con la salida de es a. Pensa y p og ama los posibles inales y
salidas de es a p ime a escena eniendo en cuen a la his o ia y el
con ex o.
T abajo ealizado: Redacción de la memo ia: apa ado de es ado de
la cues ión, así como la in es igación co espondien e. Conseguí edac-
a unas 20 páginas de in es igación, aunque aún me queda la pa e
e e en e a na a i a y juegos na a i os.
Tiempo in e ido: 20 ho as
D.6. Quin a eunión
Reunión: Vie nes 2 de eb e o de 2024.
Resumen de la eunión: É ica en la IA gen a i a, an o isual com
esc i a. IA c ea i a y luego o a IA con olada po una IA más es ic a.
Ta eas pa a la p óxima eunión: Implemen a más uncionalidades
en la he amien a. Re ac o ización de pa e del código.
T abajo ealizado:
1. He c eado una unción c ea eMsg() pa a gene aliza los mensa-
jes en iados al ejempla de Cha GPT, lo que ha aumen ado la
e iciencia y legibilidad del código.
2. Implemen ación de la apa ición del homb e del somb e o cuan-
do la p o agonis a llega a cie o pun o de la escena. También he
implemen ado su mo imien o, simila al de Nae e.
3. En cuan o a la ges ión de los p omp s, he c eado una clase abs ac-
a pa a inclui el p omp de con ex o en cada escena, he edando
de es a. De es a mane a e i o la epe ición cons an e de código,
ya que sólo engo que implemen a la unción pa a inclui el nue o
116 Apéndice D. Dia io de desa ollo
p omp ; el es o se llama con base.s a (). Cabe des aca que g a-
cias a es e ipo de implemen ación el juego se uel e mucho más
escalable, ya que sólo necesi as c ea un sc ip po escena y añadi
el p omp co espondien e al con ex o de la escena, llamando al
s a () de la clase de la que he edan odas las escenas.
4. Implemen ación del cambio de escena cuando se llega al ex emo
de echo de la escena.
5. He c eado un dicciona io con las co espondencias en e s ing-
gameobjec de cada obje o y en e, pa a acili a la el pa seo y la
pos e io implemen ación. De es a o ma, no engo que busca el
gameobjec co espondien e a cada s ing del obje o, simplemen e
end é que llama a la cla e del dicciona io, que iene ipo s ing
pa a ob ene el alo , de ipo gameobjec .
6. Implemen ación de la unción ele anspo a . Tele anspo a cual-
quie obje o o en e a la ubicación que le pasa GPT.
7. Implemen ación de la unción in isibiliza , pa a hace in isibles
obje os y en es. La he implemen ado de mane a simila a la un-
ción Mo e. Es a unción a disminuyendo la anspa encia del
obje o has a casi 0 (pa a que se siga iendo un poco y no se con-
unda con la unción desapa ece . Además, así el usua io pod á
sabe donde es á).
8. Implemen ación de la unción cae . Básicamen e, si el obje o iene
ísicas y no es án ac i as, las ac i amos. Es o simula á que el
obje o en el que el jugado ha hecho click cae.
9. Implemen ación del pa se pa a el comando [espe a ], ya que es
un comando único con una sola en ada.
10. La idea pa a a anza en la his o ia cuando apa ece el homb e del
somb e o se ía, básicamen e, un co pus de posibilidades en e las
que GPT puede escoge pa a que haga Nae e. Es e co pus ha sido
cons uido en base a expe iencias p e ias de Cha GPT y mi p opia
imaginación. De es a mane a puedo man ene la a iabilidad y
la «c ea i idad» de GPT, pe o siendo capaz de ene cualquie
acción implemen ada.
11. Implemen ación de una unción sencilla pa a sal a , en caso de
que GPT esponda con ese comando.
Tiempo in e ido: 21 ho as
D.7. Sex a eunión
Reunión: Vie nes 16 de eb e o de 2024.
D.7. Sex a eunión 117
Resumen de la eunión: Hablamos I ene y yo ace ca del TFG. Le
p egun é dudas e insegu idades ace ca de la implemen ación, los iem-
pos, la igu osidad del ibunal. . . También hablamos ace ca de cosas
gene ales elacionadas con nues a ca e a. Hablamos de un p oblema
de leak de memo ia en el p oyec o de Uni y e in en a é debuggea
pa a busca una solución pa a la siguien e eunión.
Ta eas pa a la p óxima eunión:
1. Guion de la escena 1 y la escena 2. Te mino odo lo que a a se
el juego y cómo a a se .
2. Diseño de escena io 1 y escena io 2.
3. Animaciones de Nae e y el enemigo. Pensa en si anima alguna
de las unciones ipo le i a , a ae , ele anspo a .
4. Diag amas uml, diag amas de clases.
5. Subi el p oyec o a gi hub.
6. Re isa y debuggea el leak de memo ia.
T abajo ealizado:
1. Implemen ación de un bocadillo que sus i uye al cuad o de ex o
de GPT. Es e bocadillo, que se ían los pensamien os de Nae e, la
siguen a lo la go del escena io g acias a una unción.
2. P oyec o subido a gi hub.
3. Co eción de comen a ios.
4. Animación de la llu ia. Me ha lle ado mucho más iempo que el
que debe ía pe o al inal ha quedado decen emen e.
5. Escena io modi icado, u ilizando el asse 2d anima ed zombie pa a
el backg ound y pixel a ad en u e pa a o os elemen os.
6. Implemen ación de una o men a pa a el escena io, he usado a-
yos u ilizando el paque e Ligh ning Bol E ec o Uni y y modi-
icando el sc ip pa a consegui hace apa ece y desapa ece los
ayos cada en e 3 y 10 segundos de mane a e icaz. Las nubes y
el backg ound los he sacado de un asse llamado pixel skies.
7. Escenas 1 y 2 casi e minadas isualmen e. He usado el asse Cu e
2D - College S uden pa a la p o agonis a.
8. Hecha animación de mo imien o de Nae e u ilizando el mismo
asse que pa a su sp i e.
9. Tilemap pa a el suelo e minado y escena ios 1 y 2 e minados.
10. Animación al ele anspo a se hecha.
124 Apéndice D. Dia io de desa ollo
T abajo ealizado:
1. 22/03/24 - 1 ho a. C eación de los nue os p omp s del na ado
y las acciones po sepa ado.
2. 27/03/24 - 2 ho as. Implemen ación de la di isión del GPT
en dos: na ado y acción. He bo ado las acciones ans o ma
y ib a . Implemen ación de un bo ón ” es a ” pa a ese ea la
escena. También he a eglado los p oblemas del menú de pausa,
en el que algunas acciones (de gp y sonido) seguían ac i as en el
menú.
3. 28/03/24 - 5 ho as. Implemen ación de la unción a aca ().
Implemen ación de la unción explo a (). Implemen ación de la
mue e de Nae e y el menú de mue e, así como la animación
de a aca . A eglados e o es al einicia el juego: Se man enía
pausado pese a despausa lo p e iamen e; he enido que inclui una
línea pa a despausa en el s a del bucle p incipal del juego. T as
e algunos e o es, he e isado la exp esión egula que se enca ga
de in e p e a los comandos y he hecho p uebas con di e en es ER.
4. 29/03/24 - 6 ho as. Implemen ación de la unción habla pa a
pode in e ac ua con los NPCs. Co ección de e o es elaciona-
dos con la unción habla y las espues as de los GPTs. Redacción
de la memo ia: Apa ado 4, me odología. Implemen ación pa a
pode en ia ex o al GPT NPC po ón median e un inpu ex y
un bo ón. Así como un nue o menú de pausa pa a pode esc ibi
es e ex o.
5. 30/03/24 - 3 ho as. Implemen ación inpu ex y bo ón pa a
habla con Nae e; pa a ello, he enido ompe me la cabeza po que
no alía con pone un collide en el bo ón pa a de ec a lo, ya que
o ma pa e del can as y no de ec a collide s. Tampoco se ía
u iliza un e en o en el bo ón, ya que el upda e de ec aba an es
el click y se ealizaba una acción que se en iaba a los GPTs al
pulsa el bo ón. Al inal, he modi icado el collide del escena io
pa a que no oque el bo ón. Po lo que si no se de ec a collide
es que se ha pulsado el bo ón y no se hace ninguna comunicación
con GPT. Una solución cu e, simple y la única que ha esul ado
e ec i a después de casi 2 ho as. Redacción de la memo ia: dia io
de desa ollo.
6. 01/04/24 - 3 ho as. Redacción de la memo ia: dia io de desa o-
llo. Finalizada implemen ación de Habla con Nae e. Co ección
en la unción cae (). Op imización del pa se de la acción, elimi-
nando del mensaje la palab a «acción», que e a un e o ecu en-
e. A eglada la unción le i a pa a que uncione co ec amen e

D.11. No ena eunión 125
con el pe sonaje, poniendo el igidbody2D a es á ico pa a que
pueda le i a .
7. 03/04/24 - 2 ho as. Redacción de la memo ia: dia io de desa-
ollo.
8. 04/04/24 - 2 ho as. Redacción de la memo ia: es ado de la
cues ión. Co ección de e o es y inalización del apa ado.
9. 05/04/24 - 5 ho as. Redacción de la memo ia: es ado de la
cues ión. Co ección de e o es y inalización del apa ado.
10. 06/04/24 - 4 ho as. Redacción de la memo ia: Desa ollo. P i-
me a i e ación.
11. 07/04/24 - 2 ho as. Redacción de la memo ia: Desa ollo. P i-
me a i e ación.
12. 08/04/24 - 5 ho as. Redacción de la memo ia: Desa ollo. Se-
gunda i e ación.
13. 10/04/24 - 4 ho as. Redacción de la memo ia: Desa ollo. Te -
ce a i e ación.
14. 12/04/24 - 2 ho as. Redacción de la memo ia: Desa ollo. I e-
ación inal.
Tiempo in e ido: 46 ho as
D.11. No ena eunión
Reunión: 12 de ab il de 2024.
Resumen de la eunión: Hablamos de las echa de los p óximos
hi os y el ema de expe imen os. También de cómo a a el apa ado
de he amien as y demás. Hablamos sob e un expe imen o de deja
que un usua io se mon e su his o ia con la he amien a, modi icando el
escena io como quie a. También de que o os usua ios c een el p omp
y yo hago el escena io en base a esa his o ia y con ex o y cons ui una
demo y e qué pasa. Da unas pau as de acciones, un NPC y un poco
de con ex o pa a que se el usua io se in en e la his o ia. Un o mula io
a modo de plan illa pa a c ea el juego y yo calculo cuán o a do en
hace lo con la he amien a.
Ta eas pa a la p óxima eunión:
1. Pensa ace ca de cómo hace p uebas y expe imen os.
2. Implemen a más acciones pa a hace la he amien a más com-
ple a.
126 Apéndice D. Dia io de desa ollo
3. Implemen a un in en a io en o ma de menú.
4. Hace algún ipo de inal pa a la he amien a.
T abajo ealizado:
1. 21/04/24 - 1 ho as. Comienzo de la implemen ación de un in-
en a io isual.
2. 24/04/24 - 4 ho as. Con inuación de la implemen ación de un
in en a io isual. Es o incluye la in e az del in en a io, la un-
cionalidad de los bo ones y la uncionalidad del p opio sis ema de
in en a io en conjun o con el ejempla de Cha GPT. Pa a o gani-
za los i ems del in en a io he u ilizado la clase Sc ip ableObjec
de Uni y. He implemen ado el pa ón Single on pa a la ges ión
del in en a io y pa a la clase de unciones lógicas. Fac o ización
del código en la clase PauseMenu pa a qui a 50 líneas de código
encapsulando odo en una unción a la que se pasa un pa áme-
o con el menú con el que se quie e pausa el juego o con inua .
Puede se el menú de pausa no mal, el menú pa a habla con
los ejempla es de Cha GPT, el menú de in en a io o el menú de
mue e. He comenzado a implemen a un sis ema de diálogo más
pulido, que añade los ca ac e es de la epues a poco a poco. Clase
DialogueCon olle . He u ilizado co u inas y el pa ón Single on
pa a la ges ión del diálogo. Como había p oblemas cuando se e-
cibían muchos ex os seguidos de Cha GPT, se pa a la co u ina
an e io pa a comenza la nue a, es deci , se deja de esc ibi la
na ación de la acción an e io y se comienza la nue a.
3. 25/04/24 - 5 ho as. Implemen ación de una acción pa a libe a
el manejo de Nae e y dá selo al jugado . Pa a es o he u iliza-
do un con olle del mo imien o ya hecho3pa a no ein en a la
ueda y no dedica iempo a a eas ela i amen e i iales. Im-
plemen ación de la unción Con ola () pa a ansiciona de un
manejo po clicks/esc i o a un manejo po eclado/esc i o. Es a
unción simplemen e ac i a un booleano «gameMode» pa a ea-
liza es a ansición. Añadido a ac ionP omp : «Con ola - El
jugado oma el con ol de Nae e - /Con ola /Nae e.». Añadida
acción «Con ola » a ac ionP omp y newScene1P omp . Añadi-
da la uncionalidad de sc oll la e al pa a el juego, lo que pe mi i á
con inua sin necesidad de un cambio de escena. Es o lo he imple-
men ado pa a e i a el e a do en la con igu ación de los nue os
ejempla es de Cha GPT. Reo ganización del escena io y las capas
pa a una mejo es uc u a y legibilidad. Ampliación del escena io
pa a el nue o o ma o de escenas.
3h ps://gis .gi hub.com/bendux/5 ab0c176855d4e37b 6a38bb071b4a4
D.12. Décima eunión 127
4. 26/04/24 - 2 ho as. Implemen ación de odas las uncionalida-
des en la nue a escena única. He c eado una clase TalkManage
pa a ges iona la acción Habla con NPCs.
Tiempo in e ido: 12 ho as
D.12. Décima eunión
Reunión: 26 de ab il de 2024.
Resumen de la eunión: Con inuamos hablando ace ca de las p ue-
bas y decidimos cómo iban a se . Fede me pasó un o mula io ipo pa a
c ea el de la he amien a.
Ta eas pa a la p óxima eunión:
1. C ea el o mula io.
2. Realiza las p uebas.
T abajo ealizado:
1. 27/04/24 - 3 ho as. He c eado un o mula io pa a ealiza p ue-
bas y expe imen os en la he amien a. Mejo a de la clase Dialo-
gueCon olle ; aho a se esc ibe línea po línea y se puede e mina
de esc ibi la línea ápido al pulsa «espacio». He modi icado la
apa ición del enemigo y he añadido una opción pa a que, si Nae e
es á en o a capa di e en e, no mue a al ace ca se al enemigo, ya
que es a ía escondida.
2. 28/04/24 - 3 ho as. Implemen ación de un bo ón pa a habla
con NPCs que sólo es isible cuando e ace cas a ellos. Cuando
se pulsa, llama a la unción Habla (). La implemen ación de es a
uncionalidad es al amen e escalable, ya que pa a c ea nue os
NPCs bas a con añadi un nue o bo ón con el sc ip TalkBu -
onCon olle , el obje o asociado y la llamada a In e p e S ing()
de T aduc ionLogic pasando el obje o. Es o ab i á el cuad o de
diálogo pa a la comunicación con el ejempla de Cha GPT co-
espondien e al NPC. Implemen ación de un nue o NPC. Es una
es a ua. Ha sido una ápida implemen ación de menos de me-
dia ho a incluyendo oda la uncionalidad, menús y el p omp .
Cada NPC nue o que se añada cos a á al ededo de 20 minu os
añadi lo. Se ha de c ea un nue o ejempla de GPT, un cuad o
de diálogo y la uncionalidad de los mismos. A eglo de di e sos
bugs. Implemen ación de una unción pa a aumen a la elocidad
del enemigo con o me pasa el iempo has a un máximo.
128 Apéndice D. Dia io de desa ollo
3. 29/04/24 - 2 ho as. Implemen ación de dos nue os NPCs pa-
a las p uebas y expe imen os: Quime a y lobo. Simpli icación de
la unción de AppendMessage() de la clase GPTCon olle pa-
a gene aliza se al uso de cualquie núme o de NPCs. Aho a la
implemen ación de un nue o NPC se puede hace en unos 15 mi-
nu os. Con igu ación de los nue os p omp s pa a los NPCs. Todos
los NPCs ienen alguna eacción en o ma de comando pa a in e -
ac ua con el jugado . El po ón puede esponde [Abie a] pa a
ab i se y deja sali al jugado del ni el. La es a ua puede c ea
un [Obje o] pa a el jugado que apa ece á en un co e delan e de
la misma. La Quime a lanza á un ace ijo al jugado y cuando
es e lo acie e esponde á [Adelan e]. El cacho o de lobo pod á
decidi segui al jugado espondiendo [Segui ].
4. 30/04/24 - 4 ho as. Implemen ación de nue os NPCs con o-
das sus ca ac e ís icas. Es o incluye de ec a pa ones en el ex o
de Cha GPT y aplica la uncionalidad necesa ia as la de ec-
ción. He es ado expe imen ando con los cambios de empe a u a
de GPT y pa ece que cuan a menos empe a u a más se sale del
pe sonaje un ejempla y cuan a más empe a u a más posibilida-
des de alucinación hay, po lo que he dejado el ac ionGPT a 0.5 y
el es o en e 0.7 y 1. He enido que de ene el desa ollo hoy po
habe supe ado el lími e de okens, po lo que end é que pensa
qué hace con es e ema, po que engo que paga más pa a pode
segui u ilizando la API. Repaso y co ección de la memo ia.
5. 1/05/24 - 7 ho as. Implemen ación del ú imo NPC y un nue-
o na ado pa a una his o ia nue a que se u iliza á du an e las
p uebas. Es e NPC es un gua dabosques al que end ás que con-
ence de que no es ás en el bosque po mo i os sospechosos. Si
e pilla, da á la ala ma. Si no, se i á y e deja á en paz. He paga-
do o os 6€pa a eca ga los c édi os de la API de Cha GPT y
pode segui u ilizando la he amien a. Comienzo de las p uebas.
En la p ime a p ueba es oy jugando a la his o ia base hecha po
mi, p obando a ondo odas las acciones y posibilidades. Se han
de ec ado a ios e o es le es que se han ido esol iendo con o -
me apa ecían. También he hecho el es o de p uebas, que pueden
e se en de alle en el Apéndice E.
6. 2/05/24 - 5 ho as. Redacción de la memo ia: apéndice de p ue-
bas y expe imen os, apéndice de dia io de desa ollo, capí ulo de
esul ados.
7. 3/05/24 - 7 ho as. Redacción de la memo ia: Capí ulo de de-
sa ollo y de esul ados. Finalización del a ículo y adición de
imágenes a la memo ia.
D.13. Undécima eunión 129
Tiempo in e ido: 31 ho as
D.13. Undécima eunión
Reunión: 10 de mayo de 2024.
Resumen de la eunión: Se habló sob e la inalización del abajo
du an e oda la eunión.
Ta eas pa a la p óxima eunión:
1. Menciona el ema de idioma en el que se ha decidido abaja y
en abajo u u o el ema de hace lo en inglés.
2. Menciona el a ículo en conclusiones.
3. Añadi lo que al a al apéndice de dia io.
4. Tema de manual de uso
5. Fo ma o de la abla
6. Modi ica el o mula io y añadi lo como apéndice
7. Comen a el gi hub pa a que se pueda u iliza la he amien a y
que se en ienda.
T abajo ealizado:
1. 16/05/24 - 3 ho as. Re isión de la memo ia y adición de los
elemen os es an es. Es o incluye el apéndice de manual de uso,
así como la mención al a ículo, el desglose del o mula io y el
manual de uso en gi Hub.
2. 22/05/24 - 1 ho a. Re isión de la memo ia.
3. 23/05/24 - 1 ho a. Re isión de la memo ia.
4. 24/05/24 - 1 ho a. Re isión de la memo ia.
5. 25/05/24 - 3 ho as. Re isión de la memo ia y p esen ación.
6. 26/05/24 - 5 ho as. Re isión de la memo ia y p esen ación.
7. 27/05/24 - 5 ho as. Re isión de la memo ia y p esen ación.
Tiempo in e ido: 19 ho as
Tiempo o al dedicado al TFG: 270 ho as

Apéndice E
P uebas y expe imen os
La me odología de es as p uebas comienza con la c eación de un o mu-
la io1que cualquie usua io puede ellena . Den o de es e o mula io, el
usua io puede c ea un b e e p omp pa a da con ex o a una his o-
ia y un pe sonaje de o ma que encajen den o de la emá ica del escena io
ab icado. También se puede pe sonaliza el ipo de na ación deseada pa-
a el ejempla p incipal de Cha GPT. Además, el usua io pod á elegi las
acciones que desea añadi a Na ae e y si quie e u iliza uno de los NPC
(Pe sonajes No Jugado es) ya c eados o si p e ie e edac a un p omp pa a
su con igu ación. Al inal de es e apéndice puede consul a se el o mula io
comple o.
A pa i de es e o mula io, se ha añadido el p omp de la his o ia e-
llenado po el usua io jun o con el ipo de na ación pa a la con igu ación
inicial del ejempla de Cha GPT p incipal (Nae eGPT en la he amien a
o iginal). También se ha añadido al ejempla Ac ionGPT odas las accio-
nes seleccionadas en el o mula io. Po úl imo, si se ha añadido un NPC, se
gua da ambién el p omp edac ado. Todo ello den o de una clase especí ica
llamada P omp Manage .
En es e momen o, si no se ha añadido un nue o NPC, simplemen e se
ejecu a la he amien a no malmen e pa a comp oba su uncionamien o.
Si se ha añadido algún NPC, se iene que con igu a un menú pa a pode
in e ac ua con el mismo, así como oda la in e az necesa ia. He conseguido
au oma iza es e p oceso pa a que la con igu ación no du e más de 15 mi-
nu os, po lo que el uso de NPC se ha con e ido en la mejo cualidad de
Na ae e.
1h ps:// o ms.gle/pEdEDi Kp BuusRY6
131
132 Apéndice E. P uebas y expe imen os
Figu a E.1: Fo og ama de Na ae e. En la imagen se mues a el po al a la
siguien e escena que se ac i a al supe a la p ueba del NPC po onGPT.
E.1. P oblemas gene ales
Un e o g a e que se co igió du an e las p uebas ha sido la endencia de
los ejempla es que ep esen an a los NPC de esc ibi sus espec i os coman-
dos de inalización del puzle. Se podía obse a , po ejemplo, al ejempla
del po ón esc ibi en su p ime mensaje ex os como ”si quie es gana e
mi ape u a y que esponda ’[Abie a]’ end ás que demos a u alía”. Es os
e o es se han mi igado igno ando el p ime mensaje en la unción de bús-
queda del comando. En o os casos, se ha comunicado al ejempla po medio
de su p omp que el p ime mensaje se ía igno ado.
E.2. P ueba 1: His o ia o iginal
Es a p ime a p ueba se ha ejecu ado con odos los asse s o iginales (có-
mic, so á, onco, pa aguas, mesa, silla, ela) y dos NPC: una es a ua que,
median e la con e sación con el jugado , puede hace apa ece un obje o
den o de un co e; y un po ón que el jugado iene que log a ab i con-
e sando con él pa a pode supe a la p ime a escena (Figu a E.1). Además,
cuando se c uza cie o pun o en el escena io apa ece un enemigo (el homb e
con somb e que ma ó a los pad es de Nae e) y el jugado end á que ayuda
a Nae e a eludi lo de alguna mane a.
Hay un na ado en e ce a pe sona que cuen a cada acción que ealiza
el jugado en un cuad o de ex o (Figu a E.2) en la pa e supe io de la
E.2. P ueba 1: His o ia o iginal 133
Figu a E.2: Fo og ama de la he amien a en el que se puede obse a la
na ación del ejempla p incipal de Cha GPT.
pan alla. A pa e de median e clicks, el jugado puede, en cualquie momen o,
comunica se di ec amen e po medio de ex o con el ejempla de Cha GPT de
la p o agonis a, u ilizando un bo ón ”Habla ” en la pa e supe io izquie da
de la pan alla. Ambas o mas de comunica se uncionan co ec amen e. Los
clicks son más e icien es pa a mo e se y el ex o es más e icien e pa a el es o
de acciones. La mejo o ma de juga a Na ae e ha sido de es a mane a.
Se han p obado odas las acciones y uncionan co ec amen e. Cualquie a
de los obje os mencionados an e io men e pueden se obje i o de odas las
acciones. La na ación de es as acciones po pa e del ejempla p incipal han
sido muy sa is ac o ias, man eniéndose siemp e la cohe encia con la ambien-
ación y la his o ia. Pa a ayuda a una mejo expe iencia del jugado , es e
puede comunica se con el ejempla p incipal u ilizando ambién la na ación
en e ce a pe sona:
Jugado :Click en el á bol en el que es á el cómic.
Nae eGPT:”Nae e se ace ca ía con miedo al á bol, iendo una luz que
b illa en e sus amas.”
Jugado , esc ibiendo:”Nae e mi a ía a lo al o y e ía un cómic en e
las amas. Agi a ía el á bol espe ando que el cómic cayese”
Nae eGPT:”Un cómic cae ía has a los pies de Nae e, que lo ab i ía
pa a encon a a en u as ma a illosas en e sus página.”
Jugado , esc ibiendo:”Nae e coge ía el cómic y lo gua da ía con cui-
dado en su in en a io.”
Nae eGPT:”Nae e gua da ía el cómic con cuidad en su in en a io y
p osegui ía su camino, sin iéndose más segu a aho a.”
Se puede obse a que el p opio jugado puede in e eni ac i amen e en
la a en u a, decidiendo que hace con cada obje o o e en o que sucede en
Na ae e. El jugado , po ejemplo, ambién pod ía habe hecho explo a el
cómic y no añadi lo nunca a su in en a io.
Después de es a p ime a sección del juego, en la que el usua io puede ex-
pe imen a las di e en es acciones de la he amien a con los obje os que hay