論文の概要: From Frustration to Fun: An Adaptive Problem-Solving Puzzle Game Powered by Genetic Algorithm

• arxiv url: http://arxiv.org/abs/2509.23796v1
• Date: Sun, 28 Sep 2025 10:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.452012
• Title: From Frustration to Fun: An Adaptive Problem-Solving Puzzle Game Powered by Genetic Algorithm
• Title（参考訳）: フラストレーションから楽しみへ:遺伝的アルゴリズムによる適応型問題解決パズルゲーム
• Authors: Matthew McConnell, Richard Zhao,
• Abstract要約: 本稿では,問題解決スキル開発を支援するゲームを用いて,適応型問題解決について検討する。 適応型AIを利用したパズルゲームを用いて、適応型問題解決システムは遺伝的アルゴリズムを用いてパスフィンディングに基づくパズルを動的に生成する。 プレイヤモデリングシステムは、ユーザインタラクションを記録し、パズルの生成を通知し、プレイヤのさまざまなメトリクスに基づいて、ターゲットの難易度を近似する。
• 参考スコア（独自算出の注目度）: 1.0098114696565863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper explores adaptive problem solving with a game designed to support the development of problem-solving skills. Using an adaptive, AI-powered puzzle game, our adaptive problem-solving system dynamically generates pathfinding-based puzzles using a genetic algorithm, tailoring the difficulty of each puzzle to individual players in an online real-time approach. A player-modeling system records user interactions and informs the generation of puzzles to approximate a target difficulty level based on various metrics of the player. By combining procedural content generation with online adaptive difficulty adjustment, the system aims to maintain engagement, mitigate frustration, and maintain an optimal level of challenge. A pilot user study investigates the effectiveness of this approach, comparing different types of adaptive difficulty systems and interpreting players' responses. This work lays the foundation for further research into emotionally informed player models, advanced AI techniques for adaptivity, and broader applications beyond gaming in educational settings.
• Abstract（参考訳）: 本稿では,問題解決スキル開発を支援するゲームを用いて,適応型問題解決について検討する。 適応型AIを利用したパズルゲームを用いて、適応型問題解決システムは遺伝的アルゴリズムを用いてパスフィニングベースのパズルを動的に生成し、オンラインリアルタイムアプローチで各パズルの難易度を個々のプレイヤーに調整する。 プレイヤモデリングシステムは、ユーザインタラクションを記録し、パズルの生成を通知し、プレイヤのさまざまなメトリクスに基づいて、ターゲットの難易度を近似する。 手続き的コンテンツ生成とオンライン適応的難易度調整を組み合わせることで、エンゲージメントを維持し、フラストレーションを軽減し、最適なレベルの課題を維持することを目指している。 パイロット・ユーザ・スタディでは、異なるタイプの適応的難易度システムを比較し、プレイヤーの反応を解釈し、このアプローチの有効性について検討している。 この研究は、感情的に情報を得たプレイヤーモデル、適応性のための高度なAI技術、教育環境におけるゲーム以外の幅広い応用に関するさらなる研究の基盤となる。

関連論文リスト

• Personalized Dynamic Difficulty Adjustment -- Imitation Learning Meets Reinforcement Learning [44.99833362998488]
  本研究では,機械学習をベースとしたエージェントを用いて,現在の動作に基づいてプレイヤーに挑戦するゲーム難易度について検討する。 これは2つのエージェントの組み合わせによって達成され、1つはプレイヤーを模倣することを学び、もう1つは1つを倒すように訓練される。 本稿では,対戦ゲームAIコンペティションにおけるAIエージェントの動的難易度調整の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） (2024-08-13T11:24:12Z)
• Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
  本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。 Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
  論文  参考訳（メタデータ） (2023-11-13T16:00:16Z)
• Hybrid Minimax-MCTS and Difficulty Adjustment for General Game Playing [0.1657441317977376]
  ゼロサムゲームにおいて,難易度の高い人工知能に対抗するための一般的な手法を提案する。 我々は,ミニマックス探索プロセスとMCTSのGGPを組み合わせたミニマックス-MCTSハイブリッドアルゴリズムを提案する。 このアプローチは、視覚障害者にフレンドリーなモバイルアプリケーションであるLoBoGamesでテストされました。
  論文  参考訳（メタデータ） (2023-10-25T12:13:40Z)
• Procedurally generating rules to adapt difficulty for narrative puzzle games [0.0]
  本稿では,ルールを手続き的に生成し,プレイヤーに伝達して難易度を調整することに焦点を当てた。 遺伝的アルゴリズムは、解集合のターゲット数を見つけるのに難易度とともに用いられる。 大きな言語モデルは、物語の文脈でルールを伝えるために使用される。
  論文  参考訳（メタデータ） (2023-07-07T11:14:53Z)
• Automated Graph Genetic Algorithm based Puzzle Validation for Faster Game Desig [69.02688684221265]
  本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。 制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
  論文  参考訳（メタデータ） (2023-02-17T18:15:33Z)
• Experimental study of Neural ODE training with adaptive solver for dynamical systems modeling [72.84259710412293]
  アダプティブと呼ばれるいくつかのODEソルバは、目の前の問題の複雑さに応じて評価戦略を適用することができる。 本稿では,動的システムモデリングのためのブラックボックスとして適応型ソルバをシームレスに利用できない理由を示すための簡単な実験について述べる。
  論文  参考訳（メタデータ） (2022-11-13T17:48:04Z)
• Video Anomaly Detection by Solving Decoupled Spatio-Temporal Jigsaw Puzzles [67.39567701983357]
  ビデオ異常検出(VAD)はコンピュータビジョンにおいて重要なトピックである。 近年の自己教師型学習の進歩に触発された本論文は,直感的かつ難解なプレテキストタスクを解くことによって,VADに対処する。 提案手法は3つの公開ベンチマークにおいて最先端のベンチマークよりも優れている。
  論文  参考訳（メタデータ） (2022-07-20T19:49:32Z)
• Fast Game Content Adaptation Through Bayesian-based Player Modelling [6.510061176722249]
  本稿では、動的難易度調整(DDA)の文脈でこの目標を実現する新しい方法を検討する。 その目的は、ゲームの内容が常にプレイヤーのスキルレベルに適応し、難しすぎるか難しすぎるかのどちらかの状態を回避し、それらを関与し続けることである。 DDAの現在のシステムは、高価なデータマイニングや、特定のドメイン用に設計された手作りのルールに依存しており、通常はプレイヤーをフローに留めるために適応する。
  論文  参考訳（メタデータ） (2021-05-18T12:56:44Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)

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。