Forskere udvikler model, der justerer videospils sværhedsgrad baseret på spillerens følelser

Sværhedsgrad er et svært aspekt at balancere i videospil. Nogle mennesker foretrækker videospil, der udgør en udfordring, mens andre nyder en nem oplevelse. For at gøre denne proces lettere bruger de fleste udviklere dynamisk sværhedsgradsjustering (DDA). Ideen med DDA er at justere sværhedsgraden af ​​et spil i realtid i henhold til spillerens præstation. For eksempel, hvis spillerens præstation overstiger udviklerens forventninger til en given sværhedsgrad, kan spillets DDA-agent automatisk hæve sværhedsgraden for at øge udfordringen, der præsenteres for spilleren. Selvom den er nyttig, er denne strategi begrænset ved, at kun spillerens præstation tages i betragtning, ikke hvor meget sjov de rent faktisk har.

I en nylig undersøgelse offentliggjort i Expert Systems With Applications , besluttede et forskerhold fra Gwangju Institute of Science and Technology i Korea at sætte et twist på DDA-tilgangen. I stedet for at fokusere på spillerens præstation, udviklede de DDA-agenter, der justerede spillets sværhedsgrad for at maksimere et af fire forskellige aspekter relateret til en spillers tilfredshed:udfordring, kompetence, flow og valens. DDA-agenterne blev trænet via maskinlæring ved hjælp af data indsamlet fra faktiske menneskelige spillere, som spillede et kampspil mod forskellige kunstige intelligenser (AI'er) og derefter besvarede et spørgeskema om deres erfaringer.

Ved at bruge en algoritme kaldet Monte-Carlo træsøgning, brugte hver DDA-agent faktiske spildata og simulerede data til at tune den modsatte AI's kampstil på en måde, der maksimerede en specifik følelse eller "affektiv tilstand".

"En fordel ved vores tilgang i forhold til andre følelsescentrerede metoder er, at den ikke er afhængig af eksterne sensorer, såsom elektroencefalografi," siger lektor Kyung-Joong Kim, der ledede undersøgelsen. "Når den er trænet, kan vores model kun estimere spillerstatus ved hjælp af funktioner i spillet."

Holdet bekræftede – gennem et eksperiment med 20 frivillige – at de foreslåede DDA-agenter kunne producere AI'er, der forbedrede spillernes samlede oplevelse, uanset deres præference. Dette er første gang, at affektive tilstande er inkorporeret direkte i DDA-agenter, hvilket kan være nyttigt til kommercielle spil.

"Kommercielle spilvirksomheder har allerede enorme mængder af spillerdata. De kan udnytte disse data til at modellere spillerne og løse forskellige problemer relateret til spilbalancering ved hjælp af vores tilgang," siger lektor Kim. Værd at bemærke er, at denne teknik også har potentiale for andre områder, der kan "gamificeres", såsom sundhedspleje, motion og uddannelse. + Udforsk yderligere

Undersøgelse finder, at relationer mellem spiller og karakter påvirker videospilstilfredsheden