論文の概要: Dynamic Difficulty Adjustment in Virtual Reality Exergames through
Experience-driven Procedural Content Generation
- arxiv url: http://arxiv.org/abs/2108.08762v1
- Date: Thu, 19 Aug 2021 16:06:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-20 14:39:22.225750
- Title: Dynamic Difficulty Adjustment in Virtual Reality Exergames through
Experience-driven Procedural Content Generation
- Title（参考訳）: 体験駆動プロシーデュラルコンテンツ生成によるバーチャルリアリティエクサゲームにおける動的難易度調整
- Authors: Tobias Huber, Silvan Mertes, Stanislava Rangelova, Simon Flutura,
Elisabeth Andr\'e
- Abstract要約: 本稿では,VRエクササイズゲームにおけるDDAのための体験駆動型プロシージャコンテンツ生成手法を提案する。
我々は,競技者が複数の運動室を含む迷路を横切る必要がある初期プロトタイプを実装した。
プレイヤーの能力に合わせるために,我々は深層強化学習を用いて迷路の構造を調整する。
- 参考スコア（独自算出の注目度）: 0.4899818550820576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Virtual Reality (VR) games that feature physical activities have been shown
to increase players' motivation to do physical exercise. However, for such
exercises to have a positive healthcare effect, they have to be repeated
several times a week. To maintain player motivation over longer periods of
time, games often employ Dynamic Difficulty Adjustment (DDA) to adapt the
game's challenge according to the player's capabilities. For exercise games,
this is mostly done by tuning specific in-game parameters like the speed of
objects. In this work, we propose to use experience-driven Procedural Content
Generation for DDA in VR exercise games by procedurally generating levels that
match the player's current capabilities. Not only finetuning specific
parameters but creating completely new levels has the potential to decrease
repetition over longer time periods and allows for the simultaneous adaptation
of the cognitive and physical challenge of the exergame. As a proof-of-concept,
we implement an initial prototype in which the player must traverse a maze that
includes several exercise rooms, whereby the generation of the maze is realized
by a neural network. Passing those exercise rooms requires the player to
perform physical activities. To match the player's capabilities, we use Deep
Reinforcement Learning to adjust the structure of the maze and to decide which
exercise rooms to include in the maze. We evaluate our prototype in an
exploratory user study utilizing both biodata and subjective questionnaires.
- Abstract（参考訳）: 物理的なアクティビティを特徴とするバーチャルリアリティ(VR)ゲームは、物理的なエクササイズを行うプレイヤーのモチベーションを高めることが示されている。
しかし、そのような運動がポジティブな医療効果をもたらすためには、週に数回繰り返しなければならない。
プレイヤーのモチベーションを長期にわたって維持するため、ゲームはプレイヤーの能力に応じてゲームの挑戦を適応させるために動的難易度調整(dda)をしばしば使用する。
エクササイズゲームの場合、これは主にオブジェクトの速度などの特定のゲーム内パラメータをチューニングすることで行われる。
本研究では,VRエクササイズゲームにおけるDDAの体験駆動型プロシージャコンテンツ生成について,プレイヤーの現在の能力に適合するレベルをプロシージャ的に生成することを提案する。
特定のパラメータを微調整するだけでなく、全く新しいレベルを作成することで、長い時間をかけて繰り返しを減らし、エクセルゲームにおける認知的および身体的課題の同時適応を可能にする可能性がある。
概念実証として,いくつかのエクササイズルームを含む迷路をプレイヤーがトラバースしなければならない初期プロトタイプを実装し,ニューラルネットワークによって迷路の生成を実現する。
これらのエクササイズルームを通過するには、プレイヤーが身体活動を行う必要がある。
プレイヤーの能力に合わせるために、我々はDeep Reinforcement Learningを用いて迷路の構造を調整し、迷路にどの運動室を組み込むかを決定する。
生体データと主観的質問紙を併用した探索的ユーザスタディでプロトタイプを評価した。
関連論文リスト
- The Trail Making Test in Virtual Reality (TMT-VR): The Effects of Interaction Modes and Gaming Skills on Cognitive Performance of Young Adults [0.7916635054977068]
本研究は,VRにおけるトレイルメイキングテスト(TMT-VR)の開発と評価である。
異なるインタラクションモードとゲームスキルが認知能力に及ぼす影響について検討した。
論文 参考訳（メタデータ） (2024-10-30T22:06:14Z) - Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。
まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。
次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文 参考訳（メタデータ） (2023-10-06T20:48:43Z) - Physics-based Motion Retargeting from Sparse Inputs [73.94570049637717]
商用AR/VR製品はヘッドセットとコントローラーのみで構成されており、ユーザーのポーズのセンサーデータは非常に限られている。
本研究では, 多様な形態のキャラクタに対して, 粗い人間のセンサデータからリアルタイムに動きをターゲットする手法を提案する。
アバターのポーズは、下半身のセンサー情報がないにもかかわらず、驚くほどよくユーザと一致していることを示す。
論文 参考訳（メタデータ） (2023-07-04T21:57:05Z) - 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) - 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) - ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically
Simulated Characters [123.88692739360457]
汎用運動技術により、人間は複雑な作業を行うことができる。
これらのスキルは、新しいタスクを学ぶときの振る舞いを導くための強力な先駆者も提供します。
物理シミュレーション文字のための汎用的で再利用可能なスキル埋め込みを学習する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） (2022-05-04T06:13:28Z) - 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) - From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。
一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。
その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。
最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
論文 参考訳（メタデータ） (2021-05-25T20:17:10Z) - UniCon: Universal Neural Controller For Physics-based Character Motion [70.45421551688332]
大規模動作データセットから学習することで,異なるスタイルで数千の動作を習得する物理ベースのユニバーサルニューラルコントローラ(UniCon)を提案する。
UniConは、キーボード駆動制御をサポートし、ロコモーションとアクロバティックスキルの大きなプールから引き出されたモーションシーケンスを作成し、ビデオで撮影した人を物理ベースの仮想アバターにテレポートする。
論文 参考訳（メタデータ） (2020-11-30T18:51:16Z) - Benchmarking End-to-End Behavioural Cloning on Video Games [5.863352129133669]
我々は,2010年以降の6ゲームを含む12のビデオゲームにおける行動クローンの一般適用性について検討した。
以上の結果から,これらのエージェントは生演奏では人間と一致しないが,基本力学やルールを学習できることがわかった。
また、データの質や、人間からのデータの記録が、人間の反射によって、状態-作用ミスマッチの対象になっていることを実証する。
論文 参考訳（メタデータ） (2020-04-02T13:31:51Z)
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。