难度是电子游戏中难以平衡的一个方面。有些人喜欢有挑战性的电子游戏,而另一些人喜欢轻松的体验。为了简化这个过程,大多数开发人员使用动态难度调整(DDA)。DDA的思想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水平的预期,游戏的DDA代理可以自动提高难度,以增加玩家面临的挑战。虽然有用,但这种策略的局限性在于只考虑玩家的表现,而不考虑他们实际拥有的乐趣。
在最近发表在《专家系统与应用》上的一项研究中,韩国光州科学技术研究所的一个研究团队决定对DDA方法进行扭转。他们不再关注玩家的表现,而是开发了DDA代理,调整游戏难度,以最大化与玩家满意度相关的四个不同方面之一:挑战、能力、流量和价值。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)进行战斗游戏,然后回答关于他们体验的问卷。
使用一种称为蒙特卡洛树搜索的算法,每个DDA代理使用实际游戏数据和模拟数据,以最大化特定情感或“情感状态”的方式调整对手AI的战斗风格
“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,它不依赖外部传感器,如脑电图,”该研究的负责人、副教授Kyung Joong Kim说。“一旦经过训练,我们的模型可以仅使用游戏中的功能来估计玩家状态。”
小组核实了鈥攖通过20名志愿者的实验鈥攖建议的DDA代理可以产生改善玩家整体体验的AI,无论他们的偏好如何。这标志着情感状态首次被直接纳入DDA代理,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,”金副教授说。值得注意的是,这项技术在其他可以“游戏化”的领域也有潜力,如医疗保健、锻炼和教育。