在无玩家数据下预测游戏难度与流失
人工智能
2020-09-01 v1
摘要
我们提出了一种新颖的仿真模型,能够预测热门移动免费游戏《Angry Birds Dream Blast》中各关卡的流失率与通关率。我们的主要贡献是将基于深度强化学习(DRL)的AI玩法与玩家群体随关卡演化的仿真相结合。AI玩家预测关卡难度,并由此驱动一个包含模拟技巧、坚持度与厌倦感的玩家群体模型。这使我们能够建模,例如,坚持度与技巧较低的玩家对高难度更为敏感,以及此类玩家早早流失,从而使得玩家群体以及难度与流失之间的关系随关卡逐关演化。我们的工作表明,即便仅采用非常简单的、针对个体玩家差异的群体层面仿真,无需耗费成本地重新训练智能体或为每位模拟玩家收集新的DRL玩法数据,由DRL玩法产生的玩家行为预测也可得到显著改善。
引用
@article{arxiv.2008.12937,
title = {Predicting Game Difficulty and Churn Without Players},
author = {Shaghayegh Roohi and Asko Relas and Jari Takatalo and Henri Heiskanen and Perttu Hämäläinen},
journal= {arXiv preprint arXiv:2008.12937},
year = {2020}
}
备注
9 pages, 9 figures, In Proceedings of the Annual Symposium on Computer-Human Interaction in Play (CHI PLAY '20)