Echtzeit-Spielanpassung zur Optimierung der Spielerzufriedenheit

In diesem Papier wird eine Methodik zur Optimierung der Spielerzufriedenheit in Spielen auf der physischen interaktiven Plattform "playware" vorgestellt. Zuvor konstruierte Modelle künstlicher neuronaler Netze, die in der Literatur berichtet werden, ordnen individuelle Spielmerkmale den angegebenen Unterhaltungspräferenzen von Spielern von Augmented-Reality-Spielen zu. Ein adaptiver Mechanismus passt dann steuerbare Spielparameter in Echtzeit an, um den Unterhaltungswert des Spiels für den Spieler zu verbessern. Der hier präsentierte grundlegende Ansatz wendet Gradientenanstieg auf das Benutzermodell an, um die Richtung der Parameteranpassung vorzuschlagen, die zu Spielen mit höherem Unterhaltungswert führt. Ein einfaches Regelwerk nutzt die Ableitungsinformationen, um spezifische Spielparameter anzupassen und den Unterhaltungswert zu steigern. Diese Anpassungen erfolgen häufig während des Spiels mit Intervalländerungen, die die Genauigkeit des Benutzermodells aufrechterhalten. Die Leistung des Anpassungsmechanismus wird mithilfe eines Spielumfragexperiments bewertet. Die Ergebnisse zeigen die Wirksamkeit und Robustheit des Mechanismus bei der Anpassung des Spiels entsprechend den individuellen Spielmerkmalen eines Benutzers und der Verbesserung des Spielerlebnisses. Die Einschränkungen und die Nutzung der Methodologie als effektiver adaptiver Mechanismus zur Erfassung und Steigerung der Unterhaltung werden diskutiert.