使用强化学习估计移动益智游戏中的玩家通关率
人工智能
2023-06-27 v1 机器学习
摘要
在这项工作中，我们研究是否可利用强化学习（RL）智能体的表现来估计移动益智游戏 Lily's Garden 中不同关卡以玩家通关率衡量的难度。为此，我们训练了一个 RL 智能体并测量完成一个关卡所需的步数。随后将其与大量真实玩家的关卡通关率进行比较。我们发现，对某一关卡的玩家通关率最强的预测指标是智能体在给定关卡上约前 5% 最佳运行完成关卡所需的步数。一个非常有趣的观察是，尽管在绝对意义上，该智能体无法在所有关卡上达到人类水平的表现，但关卡之间行为差异与人类行为差异高度相关。因此，尽管表现不及人类，仍可利用该智能体的表现来估计并进一步建模玩家指标。
引用
@article{arxiv.2306.14626,
title = {Estimating player completion rate in mobile puzzle games using reinforcement learning},
author = {Jeppe Theiss Kristensen and Arturo Valdivia and Paolo Burelli},
journal= {arXiv preprint arXiv:2306.14626},
year = {2023}
}