論文の概要: An Appraisal Transition System for Event-driven Emotions in Agent-based
Player Experience Testing
- arxiv url: http://arxiv.org/abs/2105.05589v1
- Date: Wed, 12 May 2021 11:09:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-13 12:18:23.677192
- Title: An Appraisal Transition System for Event-driven Emotions in Agent-based
Player Experience Testing
- Title(参考訳): エージェントベースプレイヤ体験テストにおけるイベント駆動感情の評価遷移システム
- Authors: Saba Gholizadeh Ansari, I. S. W. B. Prasetya, Mehdi Dastani, Frank
Dignum, Gabriele Keller
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.26240699624761
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Player experience (PX) evaluation has become a field of interest in the game
industry. Several manual PX techniques have been introduced to assist
developers to understand and evaluate the experience of players in computer
games. However, automated testing of player experience still needs to be
addressed. An automated player experience testing framework would allow
designers to evaluate the PX requirements in the early development stages
without the necessity of participating human players. In this paper, we propose
an automated player experience testing approach by suggesting a formal model of
event-based emotions. In particular, we discuss an event-based transition
system to formalize relevant emotions using Ortony, Clore, & Collins (OCC)
theory of emotions. A working prototype of the model is integrated on top of
Aplib, a tactical agent programming library, to create intelligent PX test
agents, capable of appraising emotions in a 3D game case study. The results are
graphically shown e.g. as heat maps. Emotion visualization of the test agent
would ultimately help game designers in creating content that evokes a certain
experience in players.
- Abstract(参考訳): プレイヤーエクスペリエンス(PX)評価はゲーム産業における関心分野となっている。
コンピュータゲームにおけるプレイヤーの体験を理解し評価するために、いくつかの手動PX技術が導入されている。
しかし、プレイヤーエクスペリエンスの自動テストは、まだ対処する必要がある。
自動プレイヤ体験テストフレームワークは、設計者が人間のプレイヤーを必要とせずに開発初期段階のPX要求を評価することを可能にする。
本稿では,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。
特に,ortony,clore,collins(occ)の感情理論を用いて関連する感情を形式化するイベントベースの遷移システムについて論じる。
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上で統合され、3Dゲームケーススタディで感情を評価できるインテリジェントなPXテストエージェントを作成する。
結果はグラフィカルに表示されます。
ヒートマップのように
テストエージェントの感情の可視化は、最終的にゲームデザイナーがプレイヤーに特定の体験をもたらすコンテンツを作成するのに役立つだろう。
関連論文リスト
- Label-Free Subjective Player Experience Modelling via Let's Play Videos [2.3941497253612085]
プレイヤー・エクスペリエンス・モデリング(プレイヤー・エクスペリエンス・モデリング、英: Player Experience Modelling、PEM)は、ゲーム内のプレイヤーの経験をモデル化するためのAI技術の研究である。
ゲームプレイビデオからプレイヤー体験を近似する新しいPEM開発手法を提案する。
ゲーム『Angry Birds』における影響を予測するアプローチを,人間による研究を通して評価した。
論文 参考訳(メタデータ) (2024-10-03T20:12:56Z) - 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) - Character-LLM: A Trainable Agent for Role-Playing [67.35139167985008]
大規模言語モデル(LLM)は、人間の振る舞いをシミュレートするエージェントとして用いられる。
本稿では, ベートーヴェン, クレオパトラ女王, ユリウス・カエサルなど, LLM に特定の人物として行動するように教えるキャラクタ-LLMを紹介する。
論文 参考訳(メタデータ) (2023-10-16T07:58:56Z) - Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion
Models [68.85478477006178]
ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。
ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。
私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。
提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
論文 参考訳(メタデータ) (2023-03-23T17:43:17Z) - Emotion Twenty Questions Dialog System for Lexical Emotional
Intelligence [0.0]
本稿では,感情の表現方法を研究するための対話ゲームであるEmotion Twenty Questions (EMO20Q) のWeb上でのデモンストレーションを行う。
EMO20Qは、ゲームをプレイできる人工的にインテリジェントなダイアログエージェントの開発にも使用することができる。
論文 参考訳(メタデータ) (2022-10-05T17:20:26Z) - Generative Personas That Behave and Experience Like Humans [3.611888922173257]
生成AIエージェントは、ルール、報酬、または人間のデモンストレーションとして表される特定の演奏行動の模倣を試みる。
我々は、行動手続き的ペルソナの概念をプレイヤー体験に適応させるよう拡張し、プレイヤーが人間のように行動し、経験できる生成エージェントを調べる。
その結果, 生成したエージェントは, 模倣を意図した人物のプレイスタイルや経験的反応を呈することが示唆された。
論文 参考訳(メタデータ) (2022-08-26T12:04:53Z) - 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) - 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) - Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。
ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
論文 参考訳(メタデータ) (2020-05-25T14:10:17Z) - I Feel I Feel You: A Theory of Mind Experiment in Games [1.857766632829209]
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。
論文 参考訳(メタデータ) (2020-01-23T16:49:39Z)
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。