Dissertação

{en_GB=Collaboration analysis in multi-player based simulations } {} EVALUATED

{pt=Este trabalho consiste numa abordagem para ajudar criadores de sofwtare interativo a testar cenários indutivos de colaboração. Quando se desenvolve uma simulação de treino para promover trabalho de equipa, os criadores devem ter em atenção não só se os seus cenários promovem colaboração mas também se não a forçam, ou seja, um cenário deve permitir que os utilizadores/jogadores ajam livremente, caso contrário como é que se pode ter a certeza se eles realmente colaboraram ou se apenas foram forçados a agir dessa forma? Ista questão cria um problema, como é que os criadores podem testar os seus cenários relativo à sua capacidade de permitirem e distinguirem diferentes comportamentos? A nossa abordagem é baseada em utilizar comportamentos de dois tipos diferentes de agentes automáticos, um a especificar o Comportamento Ideal, agir colaborativamente, e o outro um exemplo de um Comportameto Não Ideal, agir individualmente. Após o treino dos agentes automáticos e comparando o comportamento nas suas resoluções ótimas em cada cenário com as duas políticas poderemos determinar se os cenários permitiram distinguir entre o Comportamento Ideal e o Comportamento Não Ideal. Com esta abordagem podemos também ordernar os cenários pela sua facilidade nessa distinção. A nossa abordagem é testada em dois ambientes diferentes, um simulador personalizado construído para este trabalho e também o jogo Lab Recruits feito no âmbito do projeto iv4XR., en=This work aims at helping developers of interactive software to test collaboration inducing scenarios. When creating a training simulation for team building, developers must make sure that their scenarios promote collaboration but also, don't force it, meaning a scenario must allow users to behave freely, otherwise did they really collaborated or were just forced to? This creates a difficulty, how can developers test their scenarios on their capability of allowing different behaviours? Our approach is based on using two different automated agents behavioural traces, one specifying the scenario's Design Goal, collaboration, and the other an example of a non-Design Goal, acting individually. After training said agents and by comparing the agents optimal behaviour when solving each scenario to the two policies, we can determine if the scenarios allow to differentiate between the Design Goal and the non-Design Goal. With this approach we are also able to order the scenarios from easiest to differentiate to hardest. Our approach was tested in two different environments, in a custom built simulator and in the iv4XR game Lab Recruits.}
{pt=Simulação multi-jogadores, análise de cenários, detecção de colaboração, análise de comportamento de agentes, testes automatizados, en=Multi-player based simulation, scenario testing, collaboration detection, automated agents behavioural traces, automated testing}

Janeiro 19, 2021, 10:30

Orientação

ORIENTADOR

Manuel Fernando Cabido Peres Lopes

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

Rui Filipe Fernandes Prada

Departamento de Engenharia Informática (DEI)

Professor Associado