Чувствуя злость? Ученые разработали модель сложности видеоигр, которая адаптируется к вашим эмоциям

Что делать, если сложность игры менялась в зависимости от вашего настроения?

Чувствуете злость? Ученые разработали модель сложности видеоигр, которая адаптируется к вашим эмоциям

Вы чувствуете себя хорошо и в зоне? А может, тебе жарко и надоело? Раздражителен и расстроен? Или, может быть, грустный и меланхоличный? Хотя существуют всевозможные игры для самых разных настроений, для видеоигры может быть хорошей идеей регулировать сложность в зависимости от того, как чувствует себя игрок. Потому что постоянно злиться на игру может быть не так весело или хорошо для вас.

Ученые в Южной Корее из Института науки и технологий Кванджу разработали довольно интригующий метод для таких вещей. Исследователи разработали динамическую модель сложности, которая будет подстраиваться под игроков. эмоции и настроить его соответствующим образом, чтобы обеспечить максимальное удовлетворение игроков. Потому что кому не нравится максимальное удовлетворение?

Разработчики игр давно знают о необходимом балансе, когда дело доходит до сложности игры и прогресса игрока, пытаясь найти золотую середину, которая не будет ни слишком сложной, ни слишком легкой, чтобы игровой процесс был приятным. Хотя настройки обычно можно изменить, для этого часто требуется, чтобы игрок вручную отрегулировал настройку. Корейские ученые предлагают нечто гораздо более динамичное. » />

Их модель включает в себя обучение агентов динамической регулировки сложности (DDA) с использованием машинного обучения, которое собирает данные от игроков-людей, которые затем регулируют сложность игры, чтобы максимизировать один из четырех различных аспектов, связанных с игроком. удовлетворение: вызов, компетентность, поток и валентность.

Ученые использовали файтинг для своей модели и для обучения своих агентов DDA, поскольку игроки-люди играли в файтинг против противников ИИ, генерируя данные для агентов, а люди также должны были ответить на вопросник о своем опыте. Используя алгоритм, называемый поиском по дереву Монте-Карло, каждый агент DDA использует фактические игровые данные и смоделированные данные для настройки и настройки стиля боя противостоящего ИИ таким образом, чтобы максимизировать определенную эмоцию или «аффективное состояние».

Доцент Кьюнг-Джун Ким, руководивший исследованием, сказал, что преимущество их подхода заключается в том, что за игроком не нужно следить с помощью внешних датчиков, чтобы определить его эмоции. «После обучения наша модель может оценивать состояния игроков, используя только игровые функции», он сказал.

Исследование было небольшим, в нем приняли участие всего 20 добровольцев, но команда сообщила, что агенты DDA создали ИИ, которые улучшили игроков' общий стаж. Тем не менее, файтинги предлагают самую прямую обратную связь, поэтому возникает вопрос, как ее можно использовать для других типов игр, но у профессора был ответ на этот вопрос.

"Компании, занимающиеся коммерческими играми, уже располагают огромными объемами данных об игроках. Они могут использовать эти данные для моделирования игроков и решения различных проблем, связанных с игровым балансом, используя наш подход». — сказал профессор Ким.

Их статья, документирующая модель, «Диверсификация агента динамической корректировки сложности путем интеграции моделей состояния игрока в поиск по дереву Монте-Карло» будет опубликована в журнале «Экспертные системы с приложениями» 1 ноября. Но для тех, интересно, он уже доступен в Интернете и может быть найден здесь.

Оцените статью