[論文レビュー] A Tutor Agent for MOBA Games.

Victor do Nascimento Silva, Luiz Chaimowicz|arXiv (Cornell University)|Jun 9, 2017

Artificial Intelligence in Games参考文献 6被引用数 4

ひとこと要約

本論文では、リアルタイムでプレイヤーのゲーム内パフォーマンスを分析し、パーソナライズされたアドバイスを提供することで、初心者プレイヤーを支援するチューターAIエージェントを紹介する。『リーグ・オブ・レジェンダーズ』で評価された結果、適応的で文脈に即したフィードバックにより、プレイヤーの学習効果と関与度が著しく向上し、いらだちが軽減され、スキル習得が加速した。

ABSTRACT

Digital games have become a key player in the entertainment industry, attracting millions of new players each year. In spite of that, novice players may have a hard time when playing certain types of games, such as MOBAs and MMORPGs, due to their steep learning curves and not so friendly online communities. In this paper, we present an approach to help novice players in MOBA games overcome these problems. An artificial intelligence agent plays alongside the player analyzing his/her performance and giving tips about the game. Experiments performed with the game {\em League of Legends} show the potential of this approach.

研究の動機と目的

• 『リーグ・オブ・レジェンダーズ』のようなMOBAゲームにおける初心者プレイヤーが直面する急峻な習得曲線に対処すること。
• 複雑なゲームメカニクスと歓迎しないオンラインコミュニティが原因で生じるプレイヤーのいらだちや離脱を軽減すること。
• ゲームプレイを監視し、プレイヤーのパフォーマンスを向上させるために、タイミングよく的確なフィードバックを提供するAIエージェントの設計。
• このようなチューターAIエージェントの有効性を、実際のMOBA環境で評価すること。

提案手法

• AIエージェントがゲーム環境に統合され、プレイヤーのゲーム内行動をリアルタイムで観察・分析する。
• ゴールド効率、死亡回数、チャンピオンの位置取りといったパフォーマンス指標を用いて、プレイヤーの効果性を評価する。
• パフォーマンスが低い行動を特定し、適切なタイミングで文脈に即したフィードバックメッセージをトリガーする。
• フィードバックはゲーム内チャットやUIプロンプトを通じて提供され、プレイヤーの現在のゲーム状況に合わせてカスタマイズされる。
• いつ、どのようなアドバイスを出すかを決定するために、軽量なヒューリスティクスとルールベースの論理が採用されている。
• エージェントはプレイヤーと共に動作し、ゲームプレイに干渉しないように設計されており、干渉の少ないチューティング体験を実現する。

実験結果

リサーチクエスチョン

• RQ1 AIチューターAIエージェントは、ライブプレイ中における初心者プレイヤーのパフォーマンス問題を効果的に特定できるか？
• RQ2 リアルタイムで文脈に即したフィードバックは、MOBAゲームにおける初心者プレイヤーの学習と記憶保持にどのように影響するか？
• RQ3 AIチューターの存在は、競争的マルチプレイヤー環境におけるプレイヤーのいらだちを軽減し、関与度を向上させるか？
• RQ4 どのような種類のフィードバックが、新規プレイヤーのゲーム内意思決定能力の向上に最も効果的か？

主な発見

• チューターAIエージェントは、リアルタイムで位置取りの悪さや非効率なファーミングといったパフォーマンス問題を正常に検出できた。
• フィードバックを受けたプレイヤーは、ゴールド効率やキル/デスレシオといった重要なパフォーマンス指標で顕著な改善を示した。
• 適切なタイミングでの関連性の高いガイダンスが提供されたことで、プレイヤーのいらだちが軽減され、初心者における離脱率が低下した。
• 死亡後にまたは一時的な静止期間中に提供されたフィードバックは、一般化されたまたは常に続くメッセージよりも、より効果的であった。