More

    ¿Sentirse enfadado? Científicos desarrollan modelo de dificultad para videojuegos que se adaptan a tus emociones

    ¿Te sientes bien y en la zona? ¿O tal vez estás caliente y molesto? ¿Irritable y frustrado? ¿O tal vez triste y melancólico? Si bien existen todo tipo de juegos para muchas variedades de estados de ánimo, puede ser una buena idea que un videojuego ajuste su dificultad en función de cómo se sienta el jugador. Porque sentirte enojado constantemente por un juego puede no ser tan divertido o bueno para ti.

    Científicos en Corea del Sur, en el Instituto de Ciencia y Tecnología de Gwangju, han ideado un método bastante intrigante para tal cosa. Los investigadores desarrollaron un modelo de dificultad dinámica que se ajustaría de acuerdo con las emociones de los jugadores y se ajustaría en consecuencia para garantizar que se maximice la satisfacción del jugador. Porque ¿a quién no le gusta la máxima satisfacción?

    Los desarrolladores de juegos conocen desde hace mucho tiempo el equilibrio necesario cuando se trata de la dificultad del juego y la progresión del jugador, tratando de encontrar un punto óptimo que no sea demasiado difícil o demasiado fácil para garantizar que la experiencia de juego se sienta bien. Si bien la configuración generalmente se puede cambiar, esto a menudo requiere que el jugador ajuste la configuración manualmente. Los científicos coreanos proponen algo mucho más dinámico.

    Su modelo implica entrenar agentes de ajuste dinámico de dificultad (DDA), utilizando aprendizaje automático que ha recopilado datos de jugadores humanos, que luego ajustan la dificultad del juego para maximizar uno de los cuatro aspectos diferentes relacionados con la satisfacción de un jugador: desafío, competencia, flujo y valencia. .

    Los científicos utilizaron un juego de lucha para su modelo y para entrenar a sus agentes DDA, ya que los jugadores humanos jugaron el juego de lucha contra oponentes de IA, generando datos para los agentes, y los humanos también tuvieron que responder un cuestionario sobre su experiencia. Usando un algoritmo llamado búsqueda de árbol de Monte-Carlo, cada agente de DDA usa datos reales del juego y datos simulados para ajustar y adaptar el estilo de lucha de la IA contraria de una manera que evoca una emoción específica a medida que se maximiza el «estado afectivo».

    El profesor asociado Kyung-Joong Kim, quien dirigió el estudio, dijo que una ventaja de su enfoque es que el jugador no necesita ser monitoreado con sensores externos para detectar sus emociones. «Una vez entrenado, nuestro modelo puede estimar los estados de los jugadores utilizando solo las funciones del juego», dijo.

    El estudio fue pequeño, con solo 20 voluntarios, pero el equipo dijo que los agentes de la DDA produjeron IA que mejoraron la experiencia general de los jugadores. Sin embargo, los juegos de lucha ofrecen la retroalimentación más inmediata, por lo que surge la pregunta de cómo podría usarse para otros tipos de juegos, pero el profesor tenía una respuesta para esto.

    «Las empresas de juegos comerciales ya tienen grandes cantidades de datos de los jugadores. Pueden explotar estos datos para modelar a los jugadores y resolver varios problemas relacionados con el equilibrio del juego utilizando nuestro enfoque», dijo el profesor Kim.

    Su artículo que documenta el modelo, «Diversificación del agente de adaptación de dificultad dinámica mediante la integración de modelos de estado del jugador en la búsqueda del árbol Monte-Carlo», se publicará en la revista Expert Systems With Applications el 1 de noviembre. Pero para aquellos interesados, ya está disponible en línea y se puede encontrar convertido aqui.

    ¿Qué te ha parecido?
    +1
    0
    +1
    0
    +1
    0
    +1
    0
    DailyOnline
    DailyOnline
    Cotilleando las ultimas novedades. Juego mas que trabajo, no se lo digas a mi jefe.

    Últimas Noticias 🔥

    Leave a reply

    Por favor ingrese su comentario!
    Por favor ingrese su nombre aquí

    spot_imgspot_img

    Arituclos Relacionados 🤘