ORACLE：利用对比学习与 Transformer-CVAE 编排 NPC 日常活动

非玩家角色（NPC）在日常环境中的整合对于增强用户沉浸感至关重要。然而，传统方法生成的日常活动往往单调重复，难以捕捉人类行为的细微差别。为此，本文提出 ORACLE，一种用于合成逼真室内日常活动计划的新型生成模型。该模型利用 CASAS 智能家居数据集，结合 Transformer 的序列处理能力、条件变分自编码器（CVAE）的生成可控性以及对比学习的判别优化，有效解决了数据不平衡及样本稀缺问题。实验结果证实，ORACLE 在生成 NPC 活动计划方面优于现有方法，显著提升了数字环境中行为的真实性。