論文の概要: Exploring Dynamic Difficulty Adjustment in Videogames

• arxiv url: http://arxiv.org/abs/2007.07220v1
• Date: Mon, 6 Jul 2020 15:05:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 02:36:39.104100
• Title: Exploring Dynamic Difficulty Adjustment in Videogames
• Title（参考訳）: ビデオゲームにおける動的難易度調整の探索
• Authors: Gabriel K. Sepulveda, Felipe Besoain, and Nicolas A. Barriga
• Abstract要約: 最近の研究テーマであるDDA(Dynamic Difficulty Adjustment)について紹介する。 DDAは、プレイヤーが関与し、適切に挑戦し続ける、自動的な難易度選択メカニズムを開発することを目的としている。 この問題に対処する最近の研究と、その実装方法の概要を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Videogames are nowadays one of the biggest entertainment industries in the world. Being part of this industry means competing against lots of other companies and developers, thus, making fanbases of vital importance. They are a group of clients that constantly support your company because your video games are fun. Videogames are most entertaining when the difficulty level is a good match for the player's skill, increasing the player engagement. However, not all players are equally proficient, so some kind of difficulty selection is required. In this paper, we will present Dynamic Difficulty Adjustment (DDA), a recently arising research topic, which aims to develop an automated difficulty selection mechanism that keeps the player engaged and properly challenged, neither bored nor overwhelmed. We will present some recent research addressing this issue, as well as an overview of how to implement it. Satisfactorily solving the DDA problem directly affects the player's experience when playing the game, making it of high interest to any game developer, from independent ones, to 100 billion dollar businesses, because of the potential impacts in player retention and monetization.
• Abstract（参考訳）: 現在、ビデオゲームは世界最大のエンターテイメント産業の一つである。 この業界の一員であることは、他の多くの企業や開発者と競争することであり、ファンベースは極めて重要である。 ビデオゲームが楽しいので、常にあなたの会社をサポートするクライアントのグループです。 ビデオゲームは、難易度レベルがプレイヤーのスキルに良いマッチであるときに最も面白く、プレイヤーのエンゲージメントを増加させる。 しかし、全てのプレイヤーが等しく熟練しているわけではないため、選択が困難である。 本稿では,最近の研究課題である動的難易度調整(DDA)について紹介する。 本稿では,この問題に対する最近の研究と実装方法について概説する。 DDA問題を満足して解決することは、プレイヤーのプレイ経験に直接影響を与え、プレイヤーの保持と収益化に影響を与える可能性があるため、独立企業から1000億ドルのビジネスまで、あらゆるゲーム開発者にとって高い関心を持つ。

関連論文リスト

• Instruction-Driven Game Engine: A Poker Case Study [53.689520884467065]
  IDGEプロジェクトは、大規模言語モデルで自由形式のゲーム記述を追従し、ゲームプレイプロセスを生成することにより、ゲーム開発を民主化することを目的としている。 我々は、複雑なシナリオへの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。 我々の最初の進歩はポーカーのIDGEの開発であり、これは幅広いポーカーの変種をサポートするだけでなく、自然言語入力を通じて高度に個別化された新しいポーカーゲームを可能にする。
  論文  参考訳（メタデータ） (2024-10-17T11:16:27Z)
• Personalized Dynamic Difficulty Adjustment -- Imitation Learning Meets Reinforcement Learning [44.99833362998488]
  本研究では,機械学習をベースとしたエージェントを用いて,現在の動作に基づいてプレイヤーに挑戦するゲーム難易度について検討する。 これは2つのエージェントの組み合わせによって達成され、1つはプレイヤーを模倣することを学び、もう1つは1つを倒すように訓練される。 本稿では,対戦ゲームAIコンペティションにおけるAIエージェントの動的難易度調整のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-13T11:24:12Z)
• People use fast, goal-directed simulation to reason about novel games [75.25089384921557]
  我々は,シンプルだが斬新なコネクテッドnスタイルのボードゲームについて,人々がどう考えるかを研究する。 ゲームがどんなに公平か、そしてどんなに楽しいのかを、ごくわずかな経験から判断するよう、私たちは人々に求めます。
  論文  参考訳（メタデータ） (2024-07-19T07:59:04Z)
• E-polis: A serious game for the gamification of sociological surveys [55.2480439325792]
  E-polisは、若者の理想的な社会に関する意見を研究するための社会学的調査をゲーミフィケーションする真剣なゲームである。 このゲームは、社会正義や経済発展などの様々なトピックに関するデータを収集したり、市民のエンゲージメントを促進するために使用することができる。
  論文  参考訳（メタデータ） (2023-11-01T18:25:13Z)
• Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
  本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。 ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。 我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2023-07-19T18:19:23Z)
• RaidEnv: Exploring New Challenges in Automated Content Balancing for Boss Raid Games [1.9851345691234763]
  RaidEnvは、MMORPGゲームにおけるボスレイドシナリオのための多種多様なカスタマイズ可能なコンテンツを含む新しいゲームシミュレータである。 自動コンテンツバランシングにおけるAIのガイダンスを提供するために,2つの評価指標を導入する。
  論文  参考訳（メタデータ） (2023-07-04T12:07:25Z)
• Teamwork under extreme uncertainty: AI for Pokemon ranks 33rd in the world [0.0]
  本稿では,ゲームのメカニズムを解説し,ゲーム解析を行う。 ゲームにおける2つの最大の課題は、バランスのとれたチームを維持し、不確実性の3つの源に対処することだ、という認識に基づいて、ユニークなAIアルゴリズムを提案する。 我々のAIエージェントは、これまでのすべての試みよりも大幅に向上し、世界で最も人気のある戦闘フォーマットの1つで、世界で33位まで上昇しました。
  論文  参考訳（メタデータ） (2022-12-27T01:52:52Z)
• DL-DDA -- Deep Learning based Dynamic Difficulty Adjustment with UX and Gameplay constraints [0.8594140167290096]
  ゲームによって課される他のプレイヤーやマクロ制約を考慮して,ユーザエクスペリエンスを自動的に最適化する手法を提案する。 ゲームデザインの専門家が作成したマニュアルを,20万ドルで実験し,その成果を実演した。
  論文  参考訳（メタデータ） (2021-06-06T09:47:15Z)
• Fast Game Content Adaptation Through Bayesian-based Player Modelling [6.510061176722249]
  本稿では、動的難易度調整(DDA)の文脈でこの目標を実現する新しい方法を検討する。 その目的は、ゲームの内容が常にプレイヤーのスキルレベルに適応し、難しすぎるか難しすぎるかのどちらかの状態を回避し、それらを関与し続けることである。 DDAの現在のシステムは、高価なデータマイニングや、特定のドメイン用に設計された手作りのルールに依存しており、通常はプレイヤーをフローに留めるために適応する。
  論文  参考訳（メタデータ） (2021-05-18T12:56:44Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)

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。