Uma metodologia para modelagem de jogadores baseada em aprendizado de máquina
Lists
Only you see this
Abstract
A Inteligencia Artificial (IA) esta recebendo cada vez mais atencao como uma caracteristica fundamental para aumentar a imersao em jogos digitais. Entre as diversas abordagens de IA, uma que esta se tornando importante e a modelagem de jogadores. A principal ideia e entendere modelar as caracteristicas e comportamentos de jogadores para o desenvolvimento de uma IA melhor. A modelagem de diferentes aspectos de jogadores e possivel em diferentes niveis de abstracao, como acoes, posicoes, preferencias e satisfacao. Essa modelagem permite que jogos customizem sua IA, dificuldade ou fases, para jogadores especificos, criando uma experiencia de jogo mais interessante. Nesse trabalho, nos discutimos varios aspectos dessa nova area. Primeiramente, uma vez que diversos trabalhos tem abordado esse problema, nos propusemos uma taxonomia para organizar esse campo, discutindo diferentes facetas desse topico, desde decisoes de implementacao ate o que o modelo tenta descrever. Classificamos entao, na nossa taxonomia, alguns dos trabalhos mais importantes nessa area. Alem da taxonomia, apresentamos tambem uma abordagem generica para a modelagem de jogadores utilizando aprendizado de maquina, e instanciamos essa abordagem no problema de modelagem de preferencias de jogadores no jogo CIVILIZATION IV.A instanciacao dessa abordagem passa por diversas etapas. Discutimos uma representacao generica, independentemente do que estiver sendo modelado, e a avaliamos realizando experimentos com o jogo de estrategia CIVILIZATION IV. Resultados mostram a efetividadede caracterizacao e modelagem dessa abordagem. Continuando a instanciacao da abordagem proposta, avaliamos a aplicabilidade de seutilizar informacoes de pontuacoes de jogadores para distinguir diferentes preferencias. Para isso apresentamos uma caracterizacao de agentes virtuais no jogo, comparando seu comportamento com as suas preferencias pre-definidas no codigo-fonte. Uma vez que caracterizamosesses agentes, fomos capazes de observar que diferentes preferencias geram diferentes comportamentos. Usando essas informacoes, atacamos o problema de modelagem de preferencias como uma tarefa de classificacao binaria, com uma abordagem de aprendizado supervisionado. Nos comparamos quatro metodos diferentes, baseados em diferentes paradigmas (SVM, AdaBoost, NaiveBayes e JRip), avaliando-os em um conjunto de partidas jogadas por diferentes agentes virtuais. Atingimos acuracias que superam largamente o estado da arte. Concluindo nosso trabalho, utilizamos os modelos aprendidos para inferir as preferencias de jogadores humanos. Utilizando alguns dos classificadores avaliados, obtivemos acuracias acima de 60% para a maioria das preferencias avaliadas.
BibTeX
@inproceedings{machado2013uma,
author = {Marlos C. Machado},
title = {{Uma metodologia para modelagem de jogadores baseada em aprendizado de máquina}},
booktitle = {Americanae},
year = {2013},
}Loading related content...