論文の概要: Designing a mobile game to generate player data -- lessons learned

• arxiv url: http://arxiv.org/abs/2101.07144v1
• Date: Mon, 18 Jan 2021 16:16:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 21:09:40.565100
• Title: Designing a mobile game to generate player data -- lessons learned
• Title（参考訳）: プレーヤーデータを生成するモバイルゲームの設計 -- 学んだ教訓
• Authors: William Wallis and William Kavanagh and Alice Miller and Tim Storer
• Abstract要約: 同様のプロジェクトのガイダンスを使わずにモバイルゲームを開発した。 ゲームバランシングとシステムシミュレーションの研究は、実験的なケーススタディを必要とした。 RPGの制作において、我々は研究目的で効果的なアマチュアゲーム開発について一連の教訓を学んだ。
• 参考スコア（独自算出の注目度）: 2.695466667982714
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: User friendly tools have lowered the requirements of high-quality game design to the point where researchers without development experience can release their own games. However, there is no established best-practice as few games have been produced for research purposes. Having developed a mobile game without the guidance of similar projects, we realised the need to share our experience so future researchers have a path to follow. Research into game balancing and system simulation required an experimental case study, which inspired the creation of "RPGLite", a multiplayer mobile game. In creating RPGLitewith no development expertise we learned a series of lessons about effective amateur game development for research purposes. In this paper we reflect on the entire development process and present these lessons.
• Abstract（参考訳）: ユーザフレンドリーなツールは、高品質なゲーム設計の要件を、開発経験のない研究者が独自のゲームをリリースできるレベルまで引き下げた。 しかし、研究目的のゲームは少ないため、最高の実践は確立されていない。 同様のプロジェクトの指導なしにモバイルゲームを開発したので、私たちは経験を共有する必要性に気づき、将来の研究者がそれに追随する道を開くことに気付きました。 ゲームバランシングとシステムシミュレーションの研究は、マルチプレイヤーモバイルゲーム「RPGLite」の開発に触発された実験ケーススタディを必要とした。 RPGの作成では、開発に関する専門知識がなく、研究目的で効果的なアマチュアゲーム開発に関する一連の教訓を学びました。 本稿では,開発プロセス全体を振り返り,これらの教訓を紹介する。

関連論文リスト

• Game Plot Design with an LLM-powered Assistant: An Empirical Study with Game Designers [29.54980724240688]
  ゲームデザイナーがターンベースのゲームのために没入的な物語を制作するのを支援する。 14人のゲームデザイナによるユーザスタディでは、生成されたゲームプロットに対する満足度と、物語に対するオーナシップの両面から高いレベルの満足度が示されています。
  論文  参考訳（メタデータ） (2024-11-05T01:26:35Z)
• 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)
• Instruction-Driven Game Engines on Large Language Models [59.280666591243154]
  IDGEプロジェクトは、大規模な言語モデルが自由形式のゲームルールに従うことを可能にすることで、ゲーム開発を民主化することを目的としている。 我々は、複雑なシナリオに対するモデル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。 私たちの最初の進歩は、汎用的なカードゲームであるPoker用のIDGEを開発することです。
  論文  参考訳（メタデータ） (2024-03-30T08:02:16Z)
• Serious Games in Digital Gaming: A Comprehensive Review of Applications, Game Engines and Advancements [55.2480439325792]
  近年,ユーザを同時に教育し,楽しませる能力によって,真剣なゲームの人気が高まっている。 本稿では,様々なタイプのデジタルゲームの概要を概観し,真剣なゲームジャンルに展開する。 ゲーム開発業界で最も広く使われているゲームエンジンを提示し、Unityのゲームマシンの利点を拡張する。
  論文  参考訳（メタデータ） (2023-11-03T09:17:09Z)
• BDD-Based Framework with RL Integration: An approach for videogames automated testing [0.0]
  ビデオゲームのテストは、従来のソフトウェア開発のプラクティスとは異なる。 振る舞い駆動開発(BDD)と強化学習(RL)の統合を提案する。
  論文  参考訳（メタデータ） (2023-10-08T20:05:29Z)
• 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)
• Adversarial Random Forest Classifier for Automated Game Design [1.590611306750623]
  本稿では,自律型ゲームデザインのための人間ライクなフィットネス関数を,対角的に学習しようとする実験について述べる。 我々の実験は我々の期待に届かなかったが、今後の自律型ゲームデザイン研究に影響を及ぼすことを期待するシステムと結果について分析した。
  論文  参考訳（メタデータ） (2021-07-26T22:30:38Z)
• DeepCrawl: Deep Reinforcement Learning for Turn-based Strategy Games [137.86426963572214]
  Deep CrawlはiOSとAndroid用の完全にプレイ可能なRogueライクなプロトタイプで、すべてのエージェントがDeep Reinforcement Learning (DRL)を使用してトレーニングされたポリシーネットワークによって制御される。 本研究の目的は、近年のDRLの進歩が、ビデオゲームにおける非プレイヤーキャラクターに対する説得力のある行動モデルの開発に有効であるかどうかを理解することである。
  論文  参考訳（メタデータ） (2020-12-03T13:53:29Z)
• "It's Unwieldy and It Takes a Lot of Time." Challenges and Opportunities for Creating Agents in Commercial Games [20.63320049616144]
  対戦相手、ノンプレイヤーキャラクター、チームメイトなどのゲームエージェントは、現代の多くのゲームにおいてプレイヤーの経験の中心となっている。 ゲーム産業で使用されるAI技術の展望がより広く機械学習(ML)を採用するように進化するにつれて、研究コミュニティは数十年にわたって業界内で栽培されているベストプラクティスからエージェントを作成することを学ぶことが不可欠である。 AAAスタジオ、インディースタジオ、産業研究所の17人のゲームエージェントクリエーターに、彼らがプロフェッショナル文学で経験した課題についてインタビューした。
  論文  参考訳（メタデータ） (2020-09-01T16:21:19Z)
• Neural MMO v1.3: A Massively Multiagent Game Environment for Training and Evaluating Neural Networks [48.5733173329785]
  本稿では,MMOにインスパイアされたマルチエージェントゲーム環境であるNeural MMOを紹介する。 分散インフラストラクチャとゲームIOという,AI研究のためのマルチエージェントシステムエンジニアリングにおける,より一般的な2つの課題について論じる。
  論文  参考訳（メタデータ） (2020-01-31T18:50:02Z)

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。