Автоматическая лингвистическая обратная связь в компьютерных играх

3 мая 2016 10:15 Категории: Кухня Перевод

Эта статья описывает новую технологию для автоматической генерации отчетов и быстрой обратной связи на действия игрока во время игровой сессии.

Эти отчеты позволяют предоставить игрокам более полные и персонализированные отчеты об их поведении, способностях, отношениях, навыках и достижениях. Для демонстрации и исследования этой новой технологии мы включим и реализуем данную модель в ядре одной компьютерной игры.

Ключевые слова: лингвистическое описание сложных явлений, компьютерные игры, игровой опыт.

1. Введение

Сейчас компьютерные игры предоставляют игрокам некоторую обратную связь об их игровой сессии. Эта обратная связь, от классической доски очков до сложных коллиматорных индикаторов, используется для улучшения мотивации, тренировки, обучения и погружения игроков [10].

Кроме того, в настоящее время компьютерные игры с обратной связью предоставляют исследователям и дизайнерам информацию о поведении игроков с помощью методов анализа данных [5, 7].

Эта обратная связь используется для улучшения проектирования и реализации компьютерных игры, так как она дает экспертные знания об игровой сессии и улучшает понимание поведения игрока на различных уровнях.

Когда необходимо предоставить на самом деле эффективную обраную связь о поведении игрока, большинство информации, поступающей от текущих компьютерных игр оказывается недостаточно. На самом деле, обранная связь используется дизайнерами или исследователями в фазе испытания и после выпуска игры, но как правило она не предоставляется игрокам во время игровой сессии.

В этой статье мы предлагаем новую технологию, которая специализируется на компьютерных играх и основана на контроле и анализе действий актеров (игроков и агентов) в игровых мирах. Это позволяет нам осуществлять лингвистическое описание событий, произошедшими между различными субъектами (игроками и агентами), выделяя наиболее подходящие функции и скрывая не подходящие события во время игровой сессии (Рисунок 1). Используя лингвистические отчеты, эта технология предоставляет игрокам, дизайнерам и исследователям автоматическую и более полную обратную связь о поведении игрока. Эти отчеты могут быть легко включены в качестве описательной компоненты в пользовательский интерфейс.

automatic-linguistic-feedback

Рисунок 1: Главная диаграмма для создания автоматических лингвистических отчетов

Структура работы состоит в следующем. Раздел 2 вводит общие понятия, касающиеся компьютерных игр. Затем, в разделе 3 мы предлагаем базовую архитектуру для генерации автоматической лингвистической обратной связи в компьютерных играх. Раздел 4 подробно описывает лингвистическое моделирование ранее представленной архитектуры. Раздел 5 описывает шаблоны отчетов для финального индивидуального отчета игроку. Далее, раздел 6 поясняет проведенные эксперименты. В конце, в разделе 7 приводятся некоторые заключительные замечания.

2. Общие понятия

Этот раздел посвящен ознакомлению читателя с некоторой справочной информацией.

  • Компьютерная игра. Компьютерная игра является интерактивной системой образованной тремя компонентами [1]: Устройства ввода-вывода (контроллеры и интерфейсы); Игра (цели и правила игры, отношения между различными элементами) и Программа (как игра реализована на уровне кода). Игрок играет в игру, используя контроллеры и интерфейс. Игра предоставляет игроку погружение и прогулочный опыт.
  • Игровой мир. Игровым миром является среда, в которой происходит игра. Он формируется из статических или активных элементов.
  • Действующее лицо. Действующее лицо является лицом, которое существует в игровом мире и может взаимодействовать с элементами игрового мира, а также с другими субъектами. Механизм взаимодействия фиксируется с помощью правил игры.
  • Игрок. Игрок является действующим лицом, чьи движения выполняет человек-игрок.
  • Агент. Агент является действующим лицом, чьи движения выполняет виртуальный игрок, то есть специализированное программном обеспечение.
  • Игровой опыт (ИО). ИО — это общее впечатление и ощущение игры, которое имеет игрок, когда он/она взаимодействует с другими субъектами в игровом мире. Согласно источнику[4], элементами ИО являются: мотивация (проценты и вознаграждения), осмысленный выбор (стратегия и тактика), баланс, удобство (удобство обратной связи) и эстетика. ИО должнен быть измерим, чтобы можно было проверить, что игроки имеют ожидаемый игровой опыт. Для измерения и оценки играбельности и удобства были предложены некоторые методы: на основе обследования или интервью; аудиовизуальные записи игровых сессий; измерение биологической обратной связи [6]. Недавно игровые метрики были предложены в качестве инструмента для анализа удобства и воспроизведения тестирования, который предлагает взглянуть на то, как люди на самом деле играют в игры в рамках оценки [2].
  • Игровые метрики. Игровые метрики связаны с инициированными пользователем событиями (ИПС), которые относятся к событиям, которые происходят, когда пользователь взаимодействует с компьютерной игрой. ИПС являются ориентированной на пользователя методологией взаимодействия человека с компьютером, что дает представление о том, как создать удобные интерфейсы [9]. Игровые метрики также включают события, произошедшие от компьютерной игры, например, поведение агентов с компьютерным управлением. Объединив эти игровые показатели с традиционными методами измерения пользовательского опыта (биологической обратной связи, опросы и методов юзабилити), можно напрямую связать опыт игрока с элементами дизайна [12].
  • Компьютерная игра YADY: YADY («Ваши действия определяют вас») является прототип одной 2D компьютерной игры написанной в Java. Основными устройствами ввода-вывода YADY являются в основном клавиатура и экран. Игра состоит в том, что игрок должен захватить набор таблеток, распределенных по 2D сцене (игровой мир), избегая препятствия и обоих противников. Игра успешно заканчивается, когда игрок захватывает все таблетки. Напротив, игра окончена, когда игрок охотится на противника.

3. Базовая архитектура для создания автоматической лингвистической обратной связи в компьютерных играх

Автоматическое лингвистическое описание сложных явлений (АЛОСЯ) стремится извлечь и представить знания с помощью естественных предложений (отчетов), как если бы они были построены человеком — экспертом, описывая наиболее важные аспекты явления для некоторых пользователей в конкретных контекстах.

АЛОСЯ основано на Вычислительной Теории Восприятия [14] и оно было использовано в предыдущих работах для генерации, например, лингвистического описания поверхности Марса [11] и лингвистических отчетах, оценивающих результаты сессий моделирования в обучении вождению [3].

Основная архитектура основана на концепции Вычислительного Восприятия (ВВ). Использование ВВ принимает в качестве значений элементов набора языковых выражений (слов или фраз на естественном языке), которая представляет все возможные значения восприятия (например: «Текущая ситуация {опасна, безопасна, легка, рискованна}»).

Мы применяем эту методологию, чтобы произвести лингвистическую обратную связь для игроков во время сессий игры. Результат — вычислительная система, которая в состоянии собрать и интерпретировать события, выполненные действующими лицами (игроки и агенты) в мире игры во время сессий игры, приводя к отчетам на естественном языке об их поведении, способностях, отношениях, навыках или движениях. Произведенные отчеты настроены с целью, чтобы включать информацию, которая важна не только для игроков, но даже для проектировщиков и исследователей.

Базовая архитектура для автоматической лингвистической обратной связи описана следующим образом.

3.1. Структуры данных

Главные структуры данных этой архитектуры — а именно, метрики Геймплея, Выборочная Лингвистическая Модель Сложных Явлений (ВЛМ) и Шаблон Отчета (рисунок 2):

  • Метрики геймплея. Проектировщик должен определить метрики геймплея, анализируя которые можно описать действия игроков во время сессий игры. Цель состоит в том, чтобы узнать лучший набор метрик геймплея, чтобы описать самые важные события, произошедшие во время сессий игры.
  • ВЛМ. Выборочная Лингвистическая Модель Явления для автоматической лингвистической обратной связи (описана подробно в Разделе 4) являются вычислительной структурой, которая организует все связанное восприятие похожим способом, как или проектировщики или игроки обычно организуют свой опыт в компьютерных играх посредством естественного языка. В частности, проектировщик должен определить его/ее субъективное восприятие как вычислительное восприятие. Он или она использует ресурсы компьютера, например, наушники, чтобы получить данные о событиях и взаимодействиях, произведенных действующими лицами в мире игры (метрики геймплея). Затем, он или она использует его/ее собственный опыт интерпретировать эти данные и создать сеть вычислительного восприятия ( рисунок 3). Каждое вычислительное восприятие покрывает определенный аспект событий, произошедших с определенной степенью детализации. Определение этой сети является итеративным процессом, который начинает с определения главного вычислительного восприятия. Вот это главный ответ на вопрос о том, какое было поведение игроков в отдельной сессии. Здесь мы должны учесть несколько особенностей: (I) вид ситуаций, произведенных между игроком и противником, (II), вид отношения показанного игроком в отдельной ситуации, (III) вид движений, выполненных игроком и (IV) необходимое время на захват таблеток, распределенных на сцене. Их этих особенностей мы можем ответить на один важный вопрос: что является способностью и уровнем мастерства для игроков во время игровой сессии.
  • Шаблон отчета. Проектировщик анализирует особое значение каждого лингвистического выражения в определенных типах ситуации чтобы построить Шаблоны Отчетов. Шаблон отчета задается с учетом требований приложения для обеспечения обратной связи с игроками об их действиях. В частности, проектировщик должен создать совместно с экспертами по человеческому фактору документ, который включает общие наблюдения о движениях, отношениях, навыках, скорости, способностях и ситуациях. Эти наблюдения будут записаны на естественном языке и будут включены в Пользовательский интерфейс как визуальные компоненты (см. Раздел 5).

play-linguistic-metrics

Рисунок 2: Основные компоненты предлагаемой вычислительной системы для автоматической лингвистической обратной связи во время игровых сессий

3.2. Обрабатывающие модули

Главные модули обработки этой системы: модуль Слушатель Событий, модуль Вычисления Значений Геймплея, модуль Экземпляра и модуль Создания Отчета (см. рисунок 2):

  • Модуль Слушателя Событий. Система фиксирует позиции и их вариации для каждого действующего лица (или игрока агента) в игровом мире, используя события слушателей.
  • Модуль Вычисления Значений Геймплея. От этих положений система вычисляет значения для каждой метрики геймплея, определенной в структуре данных метрик Геймплея.
  • Модуль Экземпляра. Этот модуль использует метрики для создания экземпляра  ВЛМ. (см. Раздел 4).
  • Модуль Создания Отчета. Отчет получается из входных данных как результат конкретизации процессов шаблона отчета, то есть, вычислительная система выбирает среди имеющихся экземпляров наиболее подходящие лингвистические выражения в ВЛМ для описания входных данных.

4. Выборочная лингвистическая модель

Этот раздел описывает выборочную лингвистическую модель для поведения игроков в игре YADY (рисунок 3).

gameplay-metcics

Рисунок 3: ВЛМ (слева) и Геймплей метрики (справа)

4.1 Вычислительное восприятие первого порядка

Особый тип вычислительного восприятия используется для обработки входных данных, мы называем их вычислительное восприятие первого порядка (1ВВ). В нашем случае, входы численных данные, полученные от событий, захваченных и зарегистрированных в течении игровых сессий. Мы реализуем нашу ВЛМ модель из значений, связанных с этими геймплей метриками.

4.1.1. ВВ расстояния

Расстояние — это количество клеток между различными действующими лицами (см. рисунок 3 — справа). Эта геймплей метрика, значение которой представляется в виде действительного числа. Возьмем две точки A(x,y) и B(x,y), расстояние между ними высчитывается с помощью уравнения:

Введем три различные ВВ Расстояния:

  • расстояние между игроком и соперником (Dpo);
  • расстояние между игроком и ближайшей таблеткой по отношению к нему (Dpc);
  • расстояние между соперником и ближайшей таблеткой по отношению к игроку (Doc).

Так как эти параметры являются действительными числами, мы определим ВВ первого порядка: ВВ-Расстояния = ((close, far), (close, far)), где close,farнечеткие значения из множества U=[0,N], число N — размер игрового мира.

4.1.2. ВВ защиты

Степень защиты можно представить, как количество стен между игроком и соперником (Рисунок 3 — справа). Это геймплей метрика, значение которой представлено действительным числом. Возьмем две точки A(x,y) и B(x,y), описывающие позицию игрока и соперника, соответственно. Количество препятствий между двумя точками можно вычислить в несколько шагов:

  1. определение прямоугольника, образованного двумя точками;
  2. подсчет количества препятствий в этом прямоугольнике.

Так как этот параметр является действительным числом, мы определим ВВ первого порядка следующим образом: CP-Protection=((low, high), (μlow, μhigh)),where (μlow, μhigh)), где нечеткие подмножества определены U=[0,N], N — количество всех стен в игровом мире.

4.1.3. ВВ Времени

Это ВВ измеряет затраченное время, которое потребовалось для захвата распределенных в игровом мире таблеток (рисунок 3 — справа). Возьмем две точки A(x,y) и B(x,y), время измеряется как необходимое время для перемещения из точки A в точку B. Например, предположим, что игрок находится в положении (0, 0) и таблетки в положениях (3, 4) и (8, 8). ВВ Времени измеряет время, необходимое для перехода из (0, 0) в (3, 4), а затем из (3, 4) в (8, 8). Так как параметр является действительным числом, мы определим ВВ первого порядка следующим образом: CP-Time=((large, short), (μlarge, μshort)), где μlarge, μshort— нечеткие подмножетва определенные на интервале U = [0,N], N — максимальное закрепленное значение в секундах для захвата монеты.

4.2. Вычислительное восприятие второго порядка

Вычислительным восприятием второго порядка (2ВВ) мы называем те, которые объясняют предыдущие ВВ. На рисунке 3 изображена выборочная лингвистическая модель для формирования автоматической лингвистической обратной связи, в которой 1ВВ получены из геймплей метрик и 2ВВ рассчитываются на основе нижестоящих ВВ, предоставляя информацию об игровых сессиях на различных уровнях абстракции.

4.2.1. ВВ Ситуации

ВВ Ситуации получается путем суммирования ВВ Защиты и ВВ Расстояния(ВВ-Dpo). Это ВВ определяется как: CP-Situation=((Risky,Safe, Dangerous, Easy), f(CP-Protection, CPDpo)), где f является агрегирующей функцией реализованной набором нечетких правил. Здесь  ВВ Ситуации рассчитывается с помощью правила Мамдани [8], выраженные в таблице 1. Каждая строка должна быть прочитана, как “Если ВВ Защиты высокое и ВВ-Dpo в значении закрыть, то ВВ Ситуации опасная”.

Таблица 1: Правила для ВВ Ситуации

CP-Situation CP-Protection CP ≠ Dpo

Risky High Close

Dangerous Low Close

Safe High Far

Easy Low Far

4.2.2. ВВ Отношения

ВВ Отношения получается путем суммирования ВВ Расстояния между игроком и ближайшей монетой (ВВ-Dpc) и ВВ Расстояния между соперниокм и ближайшей монетой (ВВ-Doc). Это ВВ определяется следующим образом: CP-Attitude=((Wise, Brave, Cautious,Passive), f(CP-Dpc, CP-Doc)). Здесь ВВ Отношения рассчитывается с помощью правил из таблицы 2.

Таблица 2: Правила для ВВ отношения

CP-Attitude CP ≠ Dpc CP ≠ Doc

Wise Close Far

Brave Close Close

Cautious Far Close

Passive Far Far

4.2.3. ВВ Движения

ВВ Движения получается путем суммирвоания 1ВВ Расстояния между игроком и ближайшей монетой(1ВВ-Dcp) и 1ВВ Расстояния между игроком и соперником(1ВВ-Dpo). Это 2ВВ определяется следующим образом: CP-Movement=((Good, Bad, Scare,Kamikaze), f(1CP-Dpc, 1CP-Dpo)). Здесь 2ВВ Движения рассчитывается с помощью правил, выраженных в таблице 3.

Таблица 3: Правила для 2ВВ Движения

2CP-Movement 1CP ≠ Dpc 1CP ≠ Dpo

Good Close Far

Scare Far Far

Kamikaze Close Close

Bad Far Close

4.2.4. ВВ Навыка

ВВ Навыка получается путем суммирования ВВ Отношения, ВВ Движения и Вв Времени. Данное ВВ определяется как: CP-Skill=((Expert, Intermediate, Basic,Beginner), f(CP-Attitude, CP-Movement, CPTime)). Здесь ВВ Навыка рассчитывается, используя правила изложены в таблице 4 (для простоты показаны только подмножества).

Таблица 4: Подмножество правил ВВ Навыка

CP-Skill CPAttitude

CPMovement

CP-Time

Expert Wise Good Short

Intermediate Brave Good Short

Basic Passive Bad Large

Beginner Passive Scare Large

4.2.5. ВВ Способности

ВВ Способности получается суммированием ВВ Отношения, ВВ Движения и ВВ Ситуации. Эта ВВ определяется следующим образом: CP-Ability=((Skillful,Somewhat-skillful, Somewhat-clumsy, Clumsy),f(CP-Attitude, CP-Movement, CP-Situation)). Здесь ВВ Способностей рассчитывается с помощью правил из таблицы 5 (для простоты показаны только подмножества).

Таблица 5: Подмножества правил для ВВ Способности

CP-Ability CPAttitude

CPMovement

CPSituation

Skillful Wise Good Easy

Somewhatskillful

Cautious Good Safe

Somewhatclumsy

Brave Bad Dangerous

Clumsy Passive Bad Risky

4.3. Лингвистическое резюме

Для того, чтобы предоставить информацию о всей игровой сессии, мы вычисляем резюме в каждый момент 2ВВ.  Процесс заключается в добавлении значения в определенный момент 2ВВ во время игровой сессии, используя концепцию нечеткой мощности. Мы называем эти ВВ вычислительными восприятиями игровой сессии (ВВ) .Мы используем  (ВВ) для формирования отчетов.

Обратите внимание, что мы могли бы улучшить эти предложения с помощью, например, лингвистических резюме (по словам Ягера [13]), чтобы возобновить информацию, представленную ВВ игровой сессии. Возьмем 2ВВ, каждое предложение в лингвистическом резюме имеет форму “q s где v”, где q является лингвистической меткой(почти нет, мало, несколько, много, почти все) квантора Q на [0,1]; s представляет имя (множественное число) такого 2ВВ и v является значением классификатора такой 2ВВ. Например, следующие резюме могут быть получены из E ВВ Ситуаций: «Многие ситуации были безопасны; Мало ситуаций были легкими; «.

5. Шаблон отчета

Мы создали шаблон отчета для того, чтобы предоставить игрокам наиболее важные сведения об их YADY игровых сессиях. На рисунке 4 показан возможный шаблон отчета для компьютерной игры YADY. Каждый VSI является элементом массива строк Si, перечисленных ниже.

S1: = {нет, пусто}1

S2: = {мудрый, смелый, осторожный, пассивный}.

S3: = {умелый, немного умелый, немного неуклюжий, неуклюжий}

S4: = {перешел за рискованно, пользовался безопасно, перешел за

опасно, наслаждался легкой }

S5: = {новичок, базовый, средний, продвинутый}

Обратите внимание, что vs1 = “нет” когда игровая сессия в игре завершилась проигрышом и vs1=”пусто”, когда игровая сессия завершилась успешно; v1s2 самое большое значение получается из E 2ВВОтношенияи v2S2 является вторым по величине значением, полученнм из E 2ВВ Отношения; v1S3 самое большое значение получается из E 2ВВ Способности; v1s4 самое большое значение получается из E 2ВВ Ситуации и v2s5 явялется вторым по величине значением, полученным из Е 2ВВ Ситуации; v1s4 самое большое значение получается из Е 2ВВ Навыка.

6. Эксперименты

Для того, чтобы провести первую интуитивно понятную проверку нашей системы для автоматической лингвистической обратной связи, мы проверили ее на компьютерной игре YADY. Два разных игрока играют в игру: начинающий игрок и продвинутый игрок. В таблице 6 показаны итоговые отчеты, сформированные для каждого игрока. Эти отчеты показывают, что опытные игроки формировали игру из  большого числа безопасных и простых ситуаций, в то время как начинающие игроки часто попадали в рискованные и опасные ситуации. Кроме того, храбрые и мудрые отношения связанны с опытными игроками, в то время как пассивные и осторожные отношения связанны начинающими игроками. Эти общие факты выявлены с помощью формирования конечных описаний обоих уровней навыков и способностей.

Таблица 6: Начинающий игрок против опытного игрока

Игровая сессия была успешно завершена. Вы показали осторожное отношение во время большей части игровой сессии, хотя иногда вы были пассивным игроком. Большинство движений свидетельствуют о неуклюжести. Вы получаете удовольствие от опасных ситуаций во время основной части игровой сессии, хотя так же вы подходите для рискованных ситуаций. Ваш уровень является начинающий. Игровая сессия была успешно завершена. Вы показали прекрасное отношение во время большей части игровой сессии, хотя иногда вы были мудрым игроком. Большинство движений свидетельствуют о умелых качествах. Вы получаете удовольствие от безопасных ситуаций во время игровой сессии, хотя также вы подходите для рискованных ситуаций. Ваш уровень является опытный.

7. Выводы и будущая работа

В этой статье мы показали первый прототип перспективной технологии, которую могли бы быть использованы для улучшения обратной связи, предоставляемой в компьютерных играх. Эта работа является первым приближением к более широкому подходу и многое еще предстоит сделать в этом направлении. Предварительные результаты показывают, что введение такого рода обратной связи в ядро компьютерных игр может улучшить общий игровой опыт.

Список используемой литературы

  1. E.H. Calvillo-Gamez, P. Cairns, A.L. Cox. Assessing the core elements of the gaming experience. In Evaluating user experience in games (pp. 47-71). Springer London (2010).
  2. A. Drachen and A. Canossa. Analyzing Spatial User Behavior in Computer Games using Geographic Information Systems. In Proc. of the 13th International MindTrek Conference, pp. 182-189, ACM(2009).
  3. L. Eciolaza et al. Automatic linguistic reporting in driving simulation environments. Applied Soft Computing 13.9 (2013): 3956-3967.
  4. J. Ferrara. The Elements of Player Experience. UX Magazine. Article No. 651. April 7 (2001).
  5. J.H. Kim et al. Tracking Real-Time User Experience (TRUE): a comprehensive instrumentation solution for complex systems. In Proc. of the SIGCHI conference on Human Factors in Computing Systems, ACM, pp. 443-452 (2008).
  6. N. Lazzaro. Why we play games: four keys to more emotion without story. Player Experience Research and Design for Market Interactive Entertainment (2004).
  7. C. Lewis and N.Wardrip-Fruin. Mining game statistics from web services: a World of Warcraft armony case study. In Proc. of Foundations of Digital Games (2010).
  8. E.H. Mamdami, S. Assilian. An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Human Computer Studies 51(2), pp. 169-196 (1999).
  9. R.J. Pagulayan et al. User-Centered Design in Games. The HCI handbook: fundamentals, evolving technologies and emerging applications (2003).
  10. M. Prensky. Digital Game-based Learning. McGraw-Hill, 2001.
  11. D. Sanchez-Valdes et al. Linguistic description about circular structures of the Mars’ surface. Applied Soft Computing 13.12 (2013): 4738-4749.
  12. A. Tychsen. Crafting User Experience via Game Metrics Analysis. Proc. of the Workshop Research Goals and Strategies for Studying User Experience and Emotion at the 5th Nordic Conference on HCI (2008).
  13. R.R. Yager Fuzzy Summaries in Database Mining. In Artificial Intelligence for Applications, IEEE Computer Society (1995)
  14. Zadeh, L. A. (2001). From computing with numbers to computing with words. Annals of the New York Academy of Sciences, 929(1), 221-252.

 

Данная статья является переводом: Automatic Linguistic Feedback in Computer Games (Clemente Rubio-Manzano, Gracian Trivino) [оригинал]