科学家开发出可根据玩家情绪调整视频游戏难度的模型
难度是电子游戏中平衡的一个艰难方面。有些人更喜欢具有挑战性的视频游戏，而另一些人则喜欢轻松的体验。为了使这个过程更容易，大多数开发人员使用动态难度调整(DDA)。DDA的想法是根据玩家的表现实时调整游戏的难度。例如，如果玩家的表现超出了开发者对给定难度级别的预期，则游戏的DDA代理可以自动提高难度以增加呈现给玩家的挑战。虽然很有用，但这种策略的局限性在于只考虑了玩家的表现，而不是他们实际上有多少乐趣。
在最近发表在ExpertSystemsWithApplications上的一项研究中，韩国光州科学技术研究院的一个研究小组决定对DDA方法进行修改。他们没有关注玩家的表现，而是开发了DDA代理来调整游戏的难度，以最大限度地提高与玩家满意度相关的四个不同方面之一：挑战、能力、流程和效价。DDA代理通过机器学习使用从实际人类玩家收集的数据进行训练，这些玩家与各种人工智能(AI)进行格斗游戏，然后回答有关他们体验的问卷。
使用一种称为蒙特卡洛树搜索的算法，每个DDA代理都使用实际游戏数据和模拟数据来调整对方AI的战斗风格，以最大化特定情绪或“情感状态”。
“与其他以情绪为中心的方法相比，我们的方法的一个优势是它不依赖于外部传感器，例如脑电图，”领导这项研究的副教授Kyung-JoongKim说。“一旦经过训练，我们的模型就可以仅使用游戏中的功能来估计玩家状态。”
该团队通过对20名志愿者进行的实验验证了提议的DDA代理可以产生能够改善玩家整体体验的AI，无论他们的偏好如何。这标志着情感状态第一次被直接整合到DDA代理中，这可能对商业游戏有用。
“商业游戏公司已经拥有大量玩家数据。他们可以利用这些数据对玩家进行建模，并使用我们的方法解决与游戏平衡相关的各种问题，”Kim副教授说。值得注意的是，这项技术在其他可以“游戏化”的领域也具有潜力，例如医疗保健、锻炼和教育。
标签：