Deep player behavior modeling

Videospiele haben sich zum führenden Zweig der Unterhaltungsindustrie entwickelt, deren Ums?tze Fernseh-, Kino- oder Musikwirtschaft übertreffen. Diese rasante Entwicklung geht einher mit ebenso zunehmenden Ansprüchen der Verbraucher in Hinsicht auf das kontinuierliche Angebot von Inhalten, Fehlervermeidung und -behebung und Erhaltung von Echtzeit-Online-Funktionalit?ten - in stetig wachsenden Systemen. W?hrend die Bemühungen, diese Probleme zu überwinden, in erster Linie mit deutlichem Aufwand intensiver manueller Arbeit verbunden sind, zielen durch künstliche Intelligenz gesteuerte Ans?tze wie prozedurale Generierung, dynamische Schwierigkeitsanpassung oder autonome Testl?ufe darauf ab, die Last von den Schultern der Entwickler zu mindern. Für die Simulation künstlichen Verhaltens gilt Menschen?hnlichkeit als eines der Hauptqualit?tskriterien, dennoch konzentrieren sich die meisten Ans?tze für diese Zwecke auf allgemein glaubwürdiges Verhalten. Diese Dissertation stellt das Konzept, die Architektur, Implementierung und Evaluierung von Deep Player Behavior Modeling vor, das die atomare Entscheidungsfindung einzelner Spieler abbildet und individuelle Verhaltensrepr?sentationen generiert, die anschlie?end künstliche Agenten steuern. Nach der Evaluation durch 澳门皇冠_皇冠足球比分-劲爆体育ere Feldstudien in verschiedenen Spielen bewiesen diese Agenten, individuelle Strategien und Pr?ferenzen überzeugend darzustellen, Fertigkeitsniveaus im Spiel akkurat zu repr?sentieren und von ihrem ursprünglichen menschlichen Spieler nicht 澳门皇冠_皇冠足球比分-劲爆体育 zu unterscheidbar zu sein. Zusammen mit Literaturrecherche und Experteninterviews, die die M?glichkeiten von benutzbarer KI in Videospielen hervorheben, leistet diese Arbeit Beitr?ge zu den Bereichen der Spielnutzerforschung, Spiel-KI, maschinellem Lernen und Spielermodellierung und demonstriert bedeutende Fortschritte in den Anwendungsbereichen der dynamischen Schwierigkeitsanpassung, Spielersubstitution und automatisierten Spieltests.

Dissertation online