视频游戏中的路径生成与评估：一种非参数统计方法

导航路径轨迹在视频游戏设计中扮演关键角色，是提升玩家参与度和微调非玩家角色行为的重要资源。以类人真实感生成此类路径可以丰富整体游戏体验，而评估路径轨迹可以为游戏设计师提供玩家交互的洞察。尽管基于深度学习的生成模型近期取得了令人瞩目的进展，但游戏行业在采用此类模型进行路径生成时仍犹豫不决，常 cited 其复杂的训练需求和可解释性挑战。为解决这些问题，我们提出一种基于严谨非参数统计的路径生成与评估方法，在提供精确控制的同时给出可解释的洞察。我们的路径生成方法融合两种统计技术：（1）捕获路径轨迹随时间统计特征的非参数模型无关变换；（2）捕获空间统计依赖性的 Copula 模型。对于路径评估，我们适配了一种非参数三样本假设检验，用于判断生成的路径是过拟合（过于贴近原始数据）还是欠拟合（偏离原始数据太远）。我们通过两个现有游戏基准的实证分析展示了所提方法的精确性和可靠性，以演示多样化导航路径的可控生成。值得注意的是，我们的新路径生成器可通过用户可控参数进行微调，生成展现不同程度类人真实感的导航路径，这与神经网络智能体生成的路径形成对比。代码可在 https://github.com/daniel-campa/mf-copula 获取。