利用传感器数据与机器学习检测电子游戏玩家倦怠

当前电子竞技研究缺乏用于恰当游戏训练与表现分析的工具。多数先前工作仅依赖游戏内数据来建议玩家如何表现更好。然而，游戏内机制与趋势常因新补丁而改变，限制了仅在游戏内日志上训练的模型的使用寿命。在本文中，我们提出基于传感器数据分析的方法，用于预测玩家是否会赢得未来的对局。传感器数据收集自 10 名参与者在《英雄联盟》视频游戏中的 22 场比赛。我们训练了包括 Transformer 与门控循环单元（Gated Recurrent Unit）在内的机器学习模型，以预测玩家在将来某固定时间后发生的对局是否获胜。对于 10 秒预测时域，Transformer 神经网络架构达到 ROC AUC 分数 0.706。该模型进一步发展为检测器，能够以 73.5% 的准确率在 88.3% 的情况下预测玩家将在 10 秒后输掉对局。这可用作玩家倦怠或疲劳检测器，建议玩家撤退。我们还研究了哪些生理特征影响赢得或输掉下一次游戏内对局的概率。