Fühlen Sie sich wütend? Wissenschaftler entwickeln ein Modell für den Schwierigkeitsgrad von Videospielen, das sich den Emotionen anpasst

Fühlen Sie sich großartig und in der richtigen Stimmung? Oder sind Sie vielleicht heiß und genervt? Kurzatmig und verärgert? Oder sind Sie vielleicht deprimiert und melancholisch? Es gibt zwar alle Arten von Spielen für verschiedene Gemütszustände, aber es könnte ein hervorragendes Konzept sein, wenn ein Videospiel seine Probleme je nach Gefühlslage des Spielers ändern würde. Da das Gefühl ständig wütend auf ein Spiel könnte nicht so viel Spaß oder so gut für Sie sein.

Wissenschaftler in Südkorea, am Gwangju Institute of Science and Innovation, haben einen ziemlich faszinierenden Ansatz für so etwas entwickelt. Die Wissenschaftler haben eine lebendige Trouble-Version entwickelt, die sich je nach den Emotionen der Spieler verändert und entsprechend angepasst wird, um sicherzustellen, dass die Zufriedenheit des Spielers maximiert wird. Denn wer wünscht sich nicht eine optimale Befriedigung?

Spieleentwickler wissen seit langem, wie man den Schwierigkeitsgrad eines Videospiels und die Entwicklung des Spielers in Einklang bringt. Sie suchen nach einem Sweet Spot, der weder zu schwierig noch zu einfach ist, um sicherzustellen, dass sich das Spielerlebnis gut anfühlt. Zwar können die Einstellungen normalerweise geändert werden, aber das erfordert in der Regel, dass der Spieler die Einstellungen von Hand anpasst. Die orientalischen Forscher schlagen etwas vor, das viel lebendiger ist.

Siehe auch :  Diese Woche im Modding: Gotham Knights Fixes, neues Cyberpunk-Feature und mehr

Ihre Version beinhaltet die Ausbildung von Agenten zur dynamischen Schwierigkeitsänderung (DDA), die künstliche Intelligenz nutzen, die Informationen von menschlichen Spielern gesammelt hat, und die danach die Schwierigkeit des Videospiels neu einstellen, um einen von vier verschiedenen Aspekten zu erhöhen, die mit der vollständigen Zufriedenheit des Spielers zusammenhängen: Herausforderung, Fähigkeit, Zirkulation und Valenz.

Die Wissenschaftler nutzten ein Kampfspiel für ihr Modell und zur Ausbildung ihrer DDA-Agenten, da die menschlichen Spieler das Kampfvideospiel gegen KI-Gegner spielten und so Daten für die Agenten erzeugten, und die Menschen mussten ebenfalls auf eine Umfrage zu ihren Erfahrungen antworten. Mithilfe eines Algorithmus, der Monte-Carlo-Baumsuche genannt wird, nutzt jeder DDA-Agent reale Videospieldaten und simulierte Daten, um den Kampfstil der gegnerischen KI so einzustellen und zu verändern, dass ein bestimmtes Gefühl oder ein „affektiver Zustand“ verstärkt wird.

Der Dozent Kyung-Joong Kim, der die Studie leitete, erklärte, dass ein Vorteil ihrer Technik darin besteht, dass der Spieler nicht mit externen Sensoreinheiten überwacht werden muss, um seine Gefühle zu erkennen. „Sobald unser Modell ausgebildet ist, kann es den Zustand des Spielers nur anhand der Attribute im Spiel einschätzen“, sagte er.

Siehe auch :  Redfall hat Halloween-ähnliche Pocket-Dimensionen, in denen Vampire schlafen

Die Forschungsstudie war klein, mit nur 20 Freiwilligen, aber das Team behauptete, die DDA-Agenten produzierten KIs, die die allgemeine Erfahrung der Spieler verbesserten. Nichtsdestotrotz bieten Kampfspiele einen der direktesten Kommentare, so dass sich die Frage stellt, wie es für verschiedene andere Arten von Videospielen verwendet werden könnte, aber der Lehrer hatte eine Antwort darauf.

“ Industrielle Videospielunternehmen verfügen bereits über große Mengen an Spielerdaten. Sie können diese Daten nutzen, um die Spieler zu modellieren und mit unserer Methode verschiedene Probleme im Zusammenhang mit der Spielbalance zu beheben“, sagte Professor Kim.

Ihre Arbeit mit dem Titel „Branching out dynamic problem change agent by integrating player state versions right into Monte-Carlo tree search“ wird sicherlich am 1. November in der Zeitschrift Specialist Solution With Applications veröffentlicht. Aber für alle Interessierten ist es bereits online verfügbar und kann hier gefunden werdenhier.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert