論文の概要: Behavioral Player Rating in Competitive Online Shooter Games

• arxiv url: http://arxiv.org/abs/2207.00528v1
• Date: Fri, 1 Jul 2022 16:23:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 13:01:50.519950
• Title: Behavioral Player Rating in Competitive Online Shooter Games
• Title（参考訳）: オンラインシューティングゲームにおける行動プレイヤーの評価
• Authors: Arman Dehpanah, Muheeb Faizan Ghori, Jonathan Gemmell, Bamshad Mobasher
• Abstract要約: 本稿では,ゲーム内統計学からモデルプレイヤへのいくつかの特徴を設計し,その振る舞いと真のパフォーマンスレベルを正確に表現するレーティングを作成する。 その結果, 動作評価は, 生成した表現の解釈可能性を維持しつつ, より正確な性能評価を示すことがわかった。 プレイヤーのプレイ行動の異なる側面を考慮し、マッチメイキングに行動評価を使用すると、プレイヤーのゴールや関心とより一致したマッチアップにつながる可能性がある。
• 参考スコア（独自算出の注目度）: 3.203973145772361
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Competitive online games use rating systems for matchmaking; progression-based algorithms that estimate the skill level of players with interpretable ratings in terms of the outcome of the games they played. However, the overall experience of players is shaped by factors beyond the sole outcome of their games. In this paper, we engineer several features from in-game statistics to model players and create ratings that accurately represent their behavior and true performance level. We then compare the estimating power of our behavioral ratings against ratings created with three mainstream rating systems by predicting rank of players in four popular game modes from the competitive shooter genre. Our results show that the behavioral ratings present more accurate performance estimations while maintaining the interpretability of the created representations. Considering different aspects of the playing behavior of players and using behavioral ratings for matchmaking can lead to match-ups that are more aligned with players' goals and interests, consequently resulting in a more enjoyable gaming experience.
• Abstract（参考訳）: 競争的なオンラインゲームは、マッチメイキングにレーティングシステムを使用し、ゲームの結果から解釈可能なレーティングを持つプレイヤーのスキルレベルを推定するプログレッションベースのアルゴリズムである。 しかし、プレイヤーの全体的な経験は、ゲームの唯一の結果以上の要因によって形成される。 本稿では,ゲーム内統計からモデルプレーヤまで,いくつかの機能を試作し,その動作と真のパフォーマンスレベルを正確に表現したレーティングを作成する。 次に,4つの人気ゲームモードにおけるプレイヤーのランクを,競争シューティングジャンルから予測することにより,3つのメインストリームレーティングシステムで作成した評価と,行動評価の推定能力を比較する。 その結果,生成した表現の解釈性を維持しつつ,より正確な性能推定を行うことができた。 プレイヤーのプレイ行動の異なる側面を考慮し、マッチメイキングに行動格付けを使うことは、プレイヤーのゴールや興味に合致したマッチアップにつながり、結果としてより楽しいゲーム体験をもたらす。

関連論文リスト

• All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
  競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。 本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。 我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-10-02T08:11:07Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。 提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
  論文  参考訳（メタデータ） (2022-08-22T14:06:06Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Player Modeling using Behavioral Signals in Competitive Online Games [4.168733556014873]
  本稿では,マッチング作成のためのプレイヤーのモデリングにおいて,演奏行動の異なる側面に対処することの重要性に焦点をあてる。 75,000以上のバトルロイヤルマッチのデータセットからいくつかの行動特性を設計し、プレイヤーモデルを作成しました。 次に、作成したモデルを使用して、データ内のさまざまなプレイヤーのグループのランクを予測します。
  論文  参考訳（メタデータ） (2021-11-29T22:53:17Z)
• Evaluating Team Skill Aggregation in Online Competitive Games [4.168733556014873]
  本稿では,2つの新しい集計手法が評価システムの予測性能に与える影響について分析する。 以上の結果から,テストケースの大部分において,MAX法が他の2手法よりも優れていることが示された。 本研究の結果は,チームのパフォーマンスを計算するために,より精巧な手法を考案する必要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2021-06-21T20:17:36Z)
• The Evaluation of Rating Systems in Team-based Battle Royale Games [4.168733556014873]
  本稿では,25,000人以上のチームバトルロイヤルマッチのリアルタイムデータセット上で,3つの人気評価システムを評価するためのいくつかの指標の有用性について検討する。 正規化割引累積ゲイン (NDCG) は信頼性が高く, 柔軟性が高かった。
  論文  参考訳（メタデータ） (2021-05-28T19:22:07Z)
• 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)
• An Elo-like System for Massive Multiplayer Competitions [1.8782750537161612]
  参加者数の多いコンテストを対象とした新しいベイズ評価システムを提案する。 それは離散的なランク付けされたマッチの競争のフォーマットに広く適当です。 システムにはインセンティブが整い、すなわち、格付けを最大化しようとするプレイヤーは、決してパフォーマンスを損なうことはない。
  論文  参考訳（メタデータ） (2021-01-02T08:14:31Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Competitive Balance in Team Sports Games [8.321949054700086]
  最終的なスコア差を用いることで,競争バランスの予測基準がさらに向上することを示す。 また、慎重に選択されたチームと個々の特徴に基づいて訓練された線形モデルが、より強力なニューラルネットワークモデルの性能をほぼ達成できることも示している。
  論文  参考訳（メタデータ） (2020-06-24T14:19:07Z)

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。