Nguon: https://www.sciencedaily.com/releases/2022/09/220906114213.htm
Cân bằng độ khó của trò chơi điện tử một cách thích hợp là điều cần thiết để mang đến cho người chơi trải nghiệm thú vị. Trong một nghiên cứu gần đây, các nhà khoa học Hàn Quốc đã phát triển một cách tiếp cận mới để điều chỉnh độ khó động, trong đó cảm xúc của người chơi được ước tính bằng cách sử dụng dữ liệu trong trò chơi và mức độ khó được điều chỉnh cho phù hợp để tối đa hóa sự hài lòng của người chơi. Những nỗ lực của họ có thể góp phần cân bằng độ khó của trò chơi và khiến chúng trở nên hấp dẫn hơn đối với mọi loại người chơi.
Một nhóm nghiên cứu từ Viện Khoa học và Công nghệ Gwangju ở Hàn Quốc đã phát triển các tác nhân điều chỉnh độ khó của trò chơi để tối đa hóa một trong bốn khía cạnh khác nhau liên quan đến sự hài lòng của người chơi: thử thách, năng lực, lưu lượng và giá trị. Các tác nhân đã được đào tạo thông qua học máy sử dụng dữ liệu thu thập từ những người chơi thực tế là con người, những người đã chơi một trò chơi chiến đấu chống lại các trí thông minh nhân tạo (AI) khác nhau và sau đó trả lời một bảng câu hỏi về trải nghiệm của họ. Sử dụng một thuật toán được gọi là tìm kiếm trên cây Monte-Carlo, mỗi tác nhân DDA sử dụng dữ liệu trò chơi thực tế và dữ liệu mô phỏng để điều chỉnh phong cách chiến đấu của AI đối lập theo cách tối đa hóa một cảm xúc cụ thể.
Nhóm đã xác minh - thông qua một thử nghiệm với 20 tình nguyện viên - rằng các tác nhân được đề xuất có thể tạo ra các AI giúp cải thiện trải nghiệm tổng thể của người chơi, bất kể sở thích của họ. Điều này đánh dấu lần đầu tiên các trạng thái tình cảm được kết hợp trực tiếp vào các tác nhân. nghiên cứu này có thể hữu ích cho các trò chơi thương mại. "Các công ty trò chơi thương mại đã có một lượng lớn dữ liệu người chơi. Họ có thể khai thác những dữ liệu này để lập mô hình người chơi và giải quyết các vấn đề khác nhau liên quan đến cân bằng trò chơi bằng cách sử dụng phương pháp của chúng tôi", Phó giáo sư Kim nhận xét.
» Danh sách Tập tin đính kèm:
» Tin mới nhất:
» Các tin khác: