La Universidad de Zhejiang presenta un marco de juego de rol inmersivo para que las interacciones con la IA resulten naturales

Los juegos de rol con IA están pasando de ser simples conversaciones basadas en texto a convertirse en dramas ricos y envolventes. Investigadores de la Universidad de Zhejiang y del Tencent Youtu Lab han presentado recientemente AdaMARP, un marco de interacción multiagente autoadaptativo que aborda las principales debilidades de los actuales juegos de rol con modelos de lenguaje a gran escala, como la escasa conciencia del entorno y la rigidez en la narración. El marco dota a la IA de las habilidades de gestión de escenas y narrativas propias de un director. Este trabajo ha sido aceptado en la conferencia internacional ACL 2026.

Puntos débiles fundamentales: la falta de «entorno» y de «director»

En los juegos de rol con IA actuales, los usuarios pueden hablar con personajes históricos o literarios, pero las interacciones suelen limitarse a intercambios de texto dentro de entornos estáticos. Por ejemplo, en un escenario de detectives, los sistemas de IA tradicionales se comportan como máquinas parlantes repetitivas, incapaces de razonar a partir de pistas ambientales como manchas de cera en la alfombra o de manejar necesidades narrativas complejas, como los turnos de múltiples personajes y las transiciones de escena. Este modo vacío impide que los usuarios sientan una autenticidad real o tensión narrativa.

Marco AdaMARP: mensajes de cuatro canales y programación dinámica

Para romper este punto muerto, el equipo de investigación diseñó una nueva lógica de interacción. En primer lugar, AdaMARP introduce un «formato de mensajes de cuatro canales», dividiendo cada ronda en «Pensamiento - Acción - Entorno - Discurso». En lugar de limitarse a generar diálogo, la IA entrelaza ahora la atmósfera ambiental (como lámparas de gas parpadeantes), los pensamientos internos y el lenguaje corporal en una cadena causal completa.

En segundo lugar, el marco incluye un «gestor de escenas» que actúa como director de la narrativa. Cuenta con cinco capacidades principales: inicializar la escena, seleccionar al hablante, cambiar de escena, introducir dinámicamente nuevos personajes y finalizar la interacción. Esto permite a la IA decidir de forma autónoma cuándo desplazarse de la escena del crimen a la casa de un testigo, o cuándo hacer que un nuevo sospechoso entre por la puerta.

Entrenamiento y evaluación: de la literatura a la simulación

Para dotar a la IA de auténticas habilidades de actuación y dirección, el equipo creó los conjuntos de datos de alta calidad AdaRPSet y AdaSMSet. Estos conjuntos de datos contienen perfiles de personajes detallados y trayectorias de interacción de 81 obras literarias clásicas, además de 20 tramas sintéticas temáticas diferentes. Esto garantiza que el modelo aprenda la textura literaria al tiempo que domina la lógica de programación dinámica.

Además, el equipo introdujo un marco de evaluación complementario denominado AdaptiveBench. A diferencia de las evaluaciones tradicionales de conversaciones de un solo turno, AdaptiveBench puntúa los modelos a nivel de trayectoria, centrándose en la coherencia de los personajes, la percepción del entorno y la naturalidad de la progresión narrativa. Esto proporciona una evaluación exhaustiva del rendimiento de la IA en interacciones complejas con textos largos.

Este marco abre una nueva vía técnica para escenarios interactivos inmersivos, como el razonamiento detectivesco y la narración de aventuras. Al vincular profundamente el entorno y la lógica narrativa, la IA está evolucionando de un simple asistente de chat a un intérprete digital con una conciencia creativa avanzada.