基于状态离散化的无监督电子游戏玩法风格度量
人工智能
2023-10-18 v1 计算机视觉与模式识别
机器学习
摘要
在游玩电子游戏时,不同玩家通常具有各自的玩法风格。近来,电子游戏 AI 在游玩强度上取得了巨大进步。然而,以往分析玩家行为的研究仍使用启发式规则或依赖游戏环境支持的行为特征,因而开发者需耗费大量精力来定义区分各种玩法风格的特征。本文中,我们提出了首个直接基于游戏观测与动作、且无需对目标游戏的玩法风格做任何先验设定的度量方法。我们所提方法建立在一套新颖的离散表示学习方案之上,该方案可将游戏观测映射为潜在离散状态,从而可由这些离散状态展现玩法风格。具体而言,我们基于对齐到相同状态的游戏观测来度量玩法风格距离。我们在若干电子游戏平台(包括 TORCS、RGSK 以及七款 Atari 游戏)上,针对不同类型智能体(包括基于规则的 AI bot、基于学习的 AI bot 以及人类玩家)开展了实验,结果表明我们的度量具有高度的玩法风格区分准确率。
引用
@article{arxiv.2110.00950,
title = {An Unsupervised Video Game Playstyle Metric via State Discretization},
author = {Chiu-Chou Lin and Wei-Chen Chiu and I-Chen Wu},
journal= {arXiv preprint arXiv:2110.00950},
year = {2023}
}
备注
This version was also published on UAI 2021