Dissertação

Player Modeling for Role-Playing Games - Improving Bethesda’s Radiant AI EVALUATED

A maioria dos videojogos de role-playing (RPGs) mais modernos inclui um extenso mundo virtual e histórias interessantes onde o jogador se pode imergir. Uma experiência narrativa interactiva e cativante é essêncial para um RPG de sucesso. Contudo, olhando para as opções que o jogador tem para mudar o ambiente virtual ou mudar a direcção da narrativa, estas podem ser limitadas ou inconsequentes. Para além disso, muito do conteúdo pode parecer genérico e criado para agradar a todos os jogadores, ao contrário de uma experiência mais personalizada, onde as acções do jogador ajudam a desenvolver a história. A grande industria dos videojogos tem frequentemente ignorado este facto e desenvolvido sistemas de Inteligência Artifical e de Modelagem de Jogador básicos, que não correspondem às expectativas. Acreditamos que uma experiência mais customizada e diferente entre jogadores com características, motivações e preferências diferentes, pode adicionar mais valor ao jogo, assim como proporcionar mais diversão e uma melhor narrativa interactiva a qualquer RPG. Neste trabalho apresentamos uma arquitectura de Modelagem de Jogador que usa uma instância de Aprendizagem Máquina que analisa as acções e interacções do jogador com o mundo virtual e associa-as a um perfil de jogador, de maneira a criar uma experiência mais personalizada que deverá proporcionar mais diversão e imersão para o jogador. Este sistema foi implementado no popular videojogo The Elder Scrolls V: Skyrim e publicado como uma modificação ao jogo original (mod), o qual foi recebido com críticas muito positivas pela comunidade de jogadores.
Modelagem de Jogador, Narrativa Interactiva, Videojogos de Role-playing, Árvore de Decisão, Modelos de Jogador, Aprendizagem Máquina

Junho 4, 2018, 13:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Pedro Alexandre Simões dos Santos

Departamento de Matemática (DM)

Professor Auxiliar