La difficulté est un aspect difficile à équilibrer dans les jeux vidéo. Certaines personnes préfèrent les jeux vidéo qui présentent un défi tandis que d'autres apprécient une expérience facile. Pour faciliter ce processus, la plupart des développeurs utilisent l'ajustement dynamique de la difficulté (DDA). L'idée de DDA est d'ajuster la difficulté d'un jeu en temps réel en fonction des performances des joueurs. Par exemple, si les performances du joueur dépassent les attentes du développeur pour un niveau de difficulté donné, l'agent DDA du jeu peut automatiquement augmenter la difficulté pour augmenter le défi présenté au joueur. Bien qu'utile, cette stratégie est limitée dans la mesure où seules les performances des joueurs sont prises en compte, et non le plaisir qu'ils ont réellement.

Dans une étude récente publiée dans Expert Systems With Applications , une équipe de recherche de l'Institut des sciences et technologies de Gwangju en Corée a décidé de modifier l'approche DDA. Au lieu de se concentrer sur les performances du joueur, ils ont développé des agents DDA qui ajustaient la difficulté du jeu pour maximiser l'un des quatre aspects différents liés à la satisfaction d'un joueur :défi, compétence, flux et valence. Les agents DDA ont été formés via l'apprentissage automatique à l'aide de données recueillies auprès de joueurs humains réels, qui ont joué à un jeu de combat contre diverses intelligences artificielles (IA), puis ont répondu à un questionnaire sur leur expérience.

À l'aide d'un algorithme appelé recherche arborescente de Monte-Carlo, chaque agent DDA a utilisé des données de jeu réelles et des données simulées pour ajuster le style de combat de l'IA adverse de manière à maximiser une émotion spécifique, ou "état affectif".

"L'un des avantages de notre approche par rapport aux autres méthodes centrées sur les émotions est qu'elle ne repose pas sur des capteurs externes, tels que l'électroencéphalographie", explique le professeur agrégé Kyung-Joong Kim, qui a dirigé l'étude. "Une fois formé, notre modèle peut estimer l'état des joueurs en utilisant uniquement les fonctionnalités du jeu."

L'équipe a vérifié, grâce à une expérience avec 20 volontaires, que les agents DDA proposés pouvaient produire des IA qui amélioraient l'expérience globale des joueurs, quelle que soit leur préférence. C'est la première fois que les états affectifs sont incorporés directement dans les agents DDA, ce qui pourrait être utile pour les jeux commerciaux.

"Les sociétés de jeux commerciaux disposent déjà d'énormes quantités de données sur les joueurs. Elles peuvent exploiter ces données pour modéliser les joueurs et résoudre divers problèmes liés à l'équilibrage des jeux en utilisant notre approche", explique le professeur agrégé Kim. Il convient de noter que cette technique a également un potentiel pour d'autres domaines qui peuvent être "gamifiés", tels que les soins de santé, l'exercice et l'éducation. + Explorer plus loin

Une étude révèle que les relations joueur-personnage affectent la satisfaction des jeux vidéo