通过经验驱动程序化内容生成实现虚拟现实运动游戏中的动态难度调整
人机交互
2022-02-03 v1 人工智能
机器学习
多媒体
摘要
具有体力活动的虚拟现实（VR）游戏已被证明能提升玩家进行体育锻炼的动机。然而，此类锻炼要产生积极健康效应，须每周重复数次。为在较长时间内维持玩家动机，游戏常采用动态难度调整（DDA）以根据玩家能力适配游戏挑战。对运动游戏而言，这多通过调节特定游戏内参数（如物体速度）实现。本工作中，我们提出将经验驱动的程序化内容生成用于 VR 运动游戏的 DDA，通过程序化生成匹配玩家当前能力的关卡。不仅微调特定参数、而是创建全新关卡，有潜力降低长期的重复性，并允许同时适配运动游戏的认知与体力挑战。作为概念验证，我们实现了一个初始原型，玩家须穿越含若干锻炼房的迷宫，迷宫生成由神经网络实现。通过这些锻炼房要求玩家进行体力活动。为匹配玩家能力，我们使用深度强化学习调整迷宫结构并决定迷宫中包含哪些锻炼房。我们利用生物数据与主观问卷在探索性用户研究中评估了原型。
引用
@article{arxiv.2108.08762,
title = {Dynamic Difficulty Adjustment in Virtual Reality Exergames through Experience-driven Procedural Content Generation},
author = {Tobias Huber and Silvan Mertes and Stanislava Rangelova and Simon Flutura and Elisabeth André},
journal= {arXiv preprint arXiv:2108.08762},
year = {2022}
}