論文の概要: I Feel I Feel You: A Theory of Mind Experiment in Games
- arxiv url: http://arxiv.org/abs/2001.08656v1
- Date: Thu, 23 Jan 2020 16:49:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 12:36:47.342445
- Title: I Feel I Feel You: A Theory of Mind Experiment in Games
- Title(参考訳): 私はあなたを感じる:ゲームにおける心の理論実験
- Authors: David Melhart, Georgios N. Yannakakis, Antonios Liapis
- Abstract要約: 我々は、人間とコンピュータの相互作用における感情経験として、フラストレーションの認識に焦点を当てる。
本稿では,この目的に合わせたテストベッドゲームを提案する。このゲームでは,プレイヤーが理論に基づくフラストレーションモデルを持つエージェントと競合する。
相関分析と予測機械学習モデルを用いて収集したデータを検証し、プレイヤーの観察可能な感情がエージェントの認識されたフラストレーションと高く相関していないことを確認する。
- 参考スコア(独自算出の注目度): 1.857766632829209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study into the player's emotional theory of mind of gameplaying
agents, we investigate how an agent's behaviour and the player's own
performance and emotions shape the recognition of a frustrated behaviour. We
focus on the perception of frustration as it is a prevalent affective
experience in human-computer interaction. We present a testbed game tailored
towards this end, in which a player competes against an agent with a
frustration model based on theory. We collect gameplay data, an annotated
ground truth about the player's appraisal of the agent's frustration, and apply
face recognition to estimate the player's emotional state. We examine the
collected data through correlation analysis and predictive machine learning
models, and find that the player's observable emotions are not correlated
highly with the perceived frustration of the agent. This suggests that our
subject's theory of mind is a cognitive process based on the gameplay context.
Our predictive models---using ranking support vector machines---corroborate
these results, yielding moderately accurate predictors of players' theory of
mind.
- Abstract(参考訳): 本研究では,ゲームプレイングエージェントのプレイヤの感情論を考察し,エージェントの行動とプレイヤ自身のパフォーマンスと感情が,フラストレーションのある行動の認識をいかに形作るかを検討する。
我々は、人間とコンピュータの相互作用における感情経験として、フラストレーションの認識に焦点を当てる。
本稿では,この目的に合わせたテストベッドゲームを提案する。このゲームでは,プレイヤーが理論に基づくフラストレーションモデルを持つエージェントと競合する。
我々は,ゲームプレイデータ,エージェントのフラストレーションに対するプレイヤーの評価に関する注釈付き基礎的真実を収集し,顔認識を適用してプレイヤーの感情状態を推定する。
相関分析と予測機械学習モデルを用いて収集したデータを検証し、プレイヤーの観察可能な感情がエージェントの認識されたフラストレーションと高く相関していないことを確認する。
このことは,我々の心の理論がゲームプレイの文脈に基づく認知過程であることを示唆している。
我々の予測モデルは、ランキング支援ベクトルマシンを用いて、これらの結果を相関させ、プレイヤーの心の理論を適度に正確に予測する。
関連論文リスト
- Behavioural Cloning in VizDoom [1.4999444543328293]
本稿では,Imitation Learning (IL) による自律エージェントのゲーム「Doom 2」の学習方法について述べる。
また,Reinforcement Learning (RL) がカメラの動きと軌跡データを比較することで,人間性に対するILとの比較を行う。
論文 参考訳(メタデータ) (2024-01-08T16:15:43Z) - Facial Emotion Recognition in VR Games [2.5382095320488665]
我々は、畳み込みニューラルネットワーク(CNN)を用いて、目とまぶたがカバーされているフルフェイス画像の感情を予測するモデルを訓練する。
これらの画像のモデルは、怒り、幸福、嫌悪、恐怖、不公平、悲しみ、驚きの7つの異なる感情を正確に認識することができる。
ゲームプレイ中にプレイヤーがどのような感情を経験しているかを理解するために,実験から収集したデータを分析した。
論文 参考訳(メタデータ) (2023-12-12T01:40:14Z) - Modeling Player Personality Factors from In-Game Behavior and Affective
Expression [17.01727448431269]
我々は,記録されたゲーム内行動から,一連のプレイヤパーソナリティアンケート値を予測する可能性を探る。
ロールプレイングゲーム『Fallout: New Vegas』のカスタマイズ版を60分間のゲームプレイで62人を対象に,定評ある7つの質問紙から,さまざまなパーソナリティ指標を予測した。
論文 参考訳(メタデータ) (2023-08-27T22:59:08Z) - Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。
提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
論文 参考訳(メタデータ) (2022-08-22T14:06:06Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳(メタデータ) (2022-03-10T02:37:39Z) - An Appraisal Transition System for Event-driven Emotions in Agent-based
Player Experience Testing [9.26240699624761]
イベントベース感情の形式モデルを提案することで,自動プレイヤ体験テスト手法を提案する。
このモデルの動作プロトタイプは、戦術エージェントプログラミングライブラリであるAplib上に統合され、インテリジェントなPXテストエージェントを作成する。
論文 参考訳(メタデータ) (2021-05-12T11:09:35Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳(メタデータ) (2021-02-24T14:58:23Z) - An Empirical Study on the Generalization Power of Neural Representations
Learned via Visual Guessing Games [79.23847247132345]
本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。
提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
論文 参考訳(メタデータ) (2021-01-31T10:30:48Z) - Teach me to play, gamer! Imitative learning in computer games via
linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。
この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文 参考訳(メタデータ) (2021-01-06T21:14:10Z) - Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
本研究は、競合する社会的影響に基づく新しい学習メカニズムの提供に焦点を当てる。
本研究は,競争競合の概念に基づいて,これらのエージェントの評価を人的視点から変えられるかを検討することを目的とする。
論文 参考訳(メタデータ) (2020-11-02T21:54:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。