VHKC

De integratie van Large Language Models (LLM's) in games en simulaties belooft een revolutie in interactie met virtuele personages (NPC's). Huidige implementaties kampen met een kritiek probleem: inconsistentie en hallucinaties. NPC's vergeten eerdere interacties uit het gesprek, hallucineren feiten die niet stroken met de spelwereld ('Lore'), of reageren niet correct op recente gebeurtenissen in het gesprek. Dit breekt de immersie voor spelers en maakt de technologie onbruikbaar voor serieuze toepassingen zoals trainingen (bv. het AVATALK-project).

Het PWO SPRINT-project "Virtual Human Knowledge Consistency" pakt dit aan door de integratie van GraphRAG (Graph-based Retrieval-Augmented Generation) en Nvidia NeMo Guardrails. In tegenstelling tot standaard RAG-methoden, structureert GraphRAG kennis hiërarchisch in 'Context Tiers' (wereldkennis vs. lokale kennis vs. persoonlijk geheugen), terwijl NeMo Guardrails deterministische regels oplegt aan de output van de LLM.

Het doel van dit project is de ontwikkeling van een werkende Proof of Concept (POC) in een Fantasy-RPG setting, waarin NPC's consistent reageren op dynamische speler-acties. De resultaten worden vertaald naar een technische handleiding en een herbruikbare code-bibliotheek voor Howest-onderzoekers, docenten en het werkveld (game studios) die de methodiek en pipeline van het POC kunnen toepassen op zowel entertainment games en applied simulaties. Het project versterkt de positie van Howest binnen de Game AI en legt de basis voor vervolgonderzoek en valorisatie in zowel entertainment- als trainingssectoren.