論文の概要: Player-Centered AI for Automatic Game Personalization: Open Problems
- arxiv url: http://arxiv.org/abs/2102.07548v1
- Date: Mon, 15 Feb 2021 13:34:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-16 22:34:12.453888
- Title: Player-Centered AI for Automatic Game Personalization: Open Problems
- Title(参考訳): 自動ゲームパーソナライゼーションのためのプレイヤー中心ai:オープン問題
- Authors: Jichen Zhu, Santiago Onta\~n\'on
- Abstract要約: ゲームパーソナライズ研究の現況を図解し、さらなる調査を必要とする8つのオープンな問題を特定する。
これらの問題は、技術進歩とプレイヤー体験設計の深い協力を必要とする。
- 参考スコア(独自算出の注目度): 9.645196221785694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computer games represent an ideal research domain for the next generation of
personalized digital applications. This paper presents a player-centered
framework of AI for game personalization, complementary to the commonly used
system-centered approaches. Built on the Structure of Actions theory, the paper
maps out the current landscape of game personalization research and identifies
eight open problems that need further investigation. These problems require
deep collaboration between technological advancement and player experience
design.
- Abstract(参考訳): コンピュータゲームは、次世代のパーソナライズされたデジタルアプリケーションにとって理想的な研究領域である。
本稿では,ゲームパーソナライゼーションのためのプレイヤー中心のAIフレームワークについて述べる。
アクション理論の構造に基づいて,ゲームパーソナライゼーション研究の現在の状況と,さらなる調査を必要とする8つの未解決問題を特定した。
これらの問題は、技術進歩とプレイヤー体験設計の深い協力を必要とする。
関連論文リスト
- Game-based Platforms for Artificial Intelligence Research [8.217060290667888]
本稿では,人工知能研究のためのゲームベースのプラットフォームについてレビューする。
これらのプラットフォームの発展によって引き起こされる研究動向を論じ、展望を与える。
論文 参考訳(メタデータ) (2023-04-26T03:42:31Z) - JECC: Commonsense Reasoning Tasks Derived from Interactive Fictions [75.42526766746515]
本稿では,人間のインタラクティブ・フィクション(IF)ゲームプレイ・ウォークスルーに基づく新しいコモンセンス推論データセットを提案する。
新しいデータセットは、様々な推論タイプの自然な混合を提供し、マルチホップ推論を必要とする。
実験によると、導入されたデータセットは、人間の専門家と比較して20%のパフォーマンスの差が顕著な、以前のマシン読み取りモデルに挑戦している。
論文 参考訳(メタデータ) (2022-10-18T19:20:53Z) - Automatic Image Content Extraction: Operationalizing Machine Learning in
Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。
提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文 参考訳(メタデータ) (2022-04-05T12:19:24Z) - CCPT: Automatic Gameplay Testing and Validation with
Curiosity-Conditioned Proximal Trajectories [65.35714948506032]
Curiosity-Conditioned Proximal Trajectories (CCPT)法は、好奇心と模倣学習を組み合わせてエージェントを訓練して探索する。
CCPTが複雑な環境を探索し、ゲームプレイの問題を発見し、その過程におけるデザインの監視を行い、それらをゲームデザイナーに直接認識し、強調する方法について説明する。
論文 参考訳(メタデータ) (2022-02-21T09:08:33Z) - Design-Driven Requirements for Computationally Co-Creative Game AI
Design Tools [6.719205507619887]
ゲームAIデザイナの目標やそのようなツールに対する期待を分類し分析する参加型デザイン研究を提案する。
我々は,ゲームAI設計と共同創造ツールの設計との深いつながりと,今後の共同創造ツールの研究・開発への示唆を明らかにする。
論文 参考訳(メタデータ) (2021-07-29T04:14:53Z) - 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) - Deep Policy Networks for NPC Behaviors that Adapt to Changing Design
Parameters in Roguelike Games [137.86426963572214]
例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。
複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-12-07T08:47:25Z) - 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) - Applied Machine Learning for Games: A Graduate School Course [0.0]
本稿では,近年の深層学習と強化学習をゲームに応用することに関心を持つ大学院生を対象とした機械学習コースについて述べる。
このコースに入学した学生は、コンピュータビジョン、自然言語処理、コンピュータグラフィックス、人間のコンピュータインタラクション、ロボット工学、データ分析など、さまざまな機械学習技術を適用して、ゲームにおけるオープンな課題を解決する。
論文 参考訳(メタデータ) (2020-11-30T05:46:14Z) - Software Engineering For Automated Game Design [0.19036571490366497]
自動ゲームデザインシステムのゲーム理解能力に対するソフトウェア工学的意思決定の影響について検討する。
ゲーム開発者が自動ゲームデザイナから完全に恩恵を受けるためには,ソフトウェアエンジニアリングに対する新たなアプローチが必要だ,と我々は主張する。
論文 参考訳(メタデータ) (2020-04-03T20:56:51Z) - The Chef's Hat Simulation Environment for Reinforcement-Learning-Based
Agents [54.63186041942257]
本稿では,人間-ロボットインタラクションのシナリオで使用されるように設計されたChef's Hatカードゲームを実装する仮想シミュレーション環境を提案する。
本稿では,強化学習アルゴリズムにおける制御可能かつ再現可能なシナリオを提案する。
論文 参考訳(メタデータ) (2020-03-12T15:52:49Z)
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。