XiaoMi-AI文件搜索系统
World File Search Systemgameplay
游戏地点：在 Red Dead Redemption 2 中定位游戏场所
摘要 在《电子游戏空间》（2009）中，迈克尔·尼切提出了电子游戏中“位置性”的三个指标：身份、自我激励和自我组织的行动，以及记忆痕迹（191-201）。我们认为位置性的概念与戏剧和表演研究中对地点和场地的理解（即特定场地表演）密切相关或有重叠。在这里，我们通过具有人机交互偏见的表演研究和游戏设计研究之间的分析对话，阐明了 Rockstar Games 的《荒野大镖客 2》（RDR2）中位置性和场地性的想法（并分析了体验）。通过仔细阅读游戏体验（Bizzocchi 和 Tanenbaum，2011），我们个人体验了超过 30 小时的 RDR2 游戏，同时做笔记、录音和截取屏幕截图。在我们个人分析期间，我们定期会面，比较笔记，讨论值得注意的游戏时刻并分享分析见解。在游戏研究和性能研究的交叉点上，我们想问，在物理、物质和材料空间中，美学/情感体验的理论表达能在多大程度上发展——并进一步细化——我们对当代电子游戏中场所体验（以及设计）方式的理解。为此，我们提出了游戏场所这一术语，作为表达本文将定义的场所、体验和游戏之间的情感关系的一种方式。关键词 场所、空间、地点
DOI：https://doi.org/10.48009/2_iis_2024_132 将人工智能 (AI) 融入游戏开发，提升多样化游戏元素 Vasilka Chergarova，佛罗里达国际大学，vchergar@fiu.edu Mel Tomeo，迈阿密戴德学院，mtomeo@mdc.edu Heidi Morgan，南加州大学，hlmorgan@isi.edu Sandra Andrade，迈阿密戴德学院，sandrad1@mdc.edu
本研究考察了人工智能 (AI) 在游戏开发中的变革潜力，旨在解决传统游戏开发方法面临的挑战并增强玩家体验。探讨了游戏中人工智能的历史演变和当前趋势，强调了人工智能的日益融合及其对游戏玩法的影响。确定了传统游戏开发中的关键挑战，包括手工制作内容和静态人工智能行为的局限性。研究了人工智能在游戏开发中的各种应用，例如角色行为建模、对手人工智能、程序内容生成、动态难度调整和自然语言处理。实施策略部分概述了技术考虑因素、开发方法以及将人工智能集成到游戏开发流程中的可用工具和框架。研究了在游戏玩法的不同方面利用人工智能技术的成功游戏案例研究，强调了它们对玩家参与度和留存率的影响。本研究最后总结了主要发现，重申了人工智能在塑造游戏开发未来方面的重要性，并敦促开发人员采用人工智能技术来创造创新和身临其境的游戏体验。关键词：人工智能、游戏开发、游戏玩法增强、对手智能、程序内容生成、交互式体验、游戏创新
Dixit：策略游戏*
• 一开始就介绍这个游戏会激起学生的好奇心。向学生介绍一些基本的直觉，因为我们将在第 5 章更正式、更深入地回到这个游戏。 • 要求学生使用战略思维来判断其他人的选择以及这些选择将如何影响个人的收益。 第二部分：基本概念和技巧 具有连续移动的游戏 教材章节：第 3 章 MobLab 游戏：最后通牒（可在游戏玩法或策略方法中使用） 教学要点：
开球游戏分解（工作表）
在每年一月开始时，团队将学习游戏的发展。在开球时，游戏玩法和不同的规则都被揭示了。所有游戏材料都将在季节材料网页上列出。在手册中有问题的团队可以访问问答页面。也有定期的团队更新描述任何规则更改或澄清。使用此工作表来制定一个计划，以分解游戏，通过游戏规则进行操作，并回答重要的问题，以更好地了解今年的游戏！如果您陷入困境，请查看开球工作表。
AR云：下一代AR体验
除了这些科技巨头，Niantic，Magic Leap和Ubiquity 6都集中在开发AR云平台和功能上。niantic获得的空间映射启动6D.AI，这将帮助他们使用其Niantic Real World平台创建行星规模的AR体验。Sturfee专注于使用其功能强大的视觉定位系统（VPS）创建AR城市。他们的方法是从卫星中捕获图像并将其转换为3D网格。6d.ai主要集中于利用AR云的室内导航。Ubiquity 6正在构建交互式和持久的AR游戏玩法，以推动大量消费者采用。您正在为B2E建立一个AR云平台，该平台侧重于提高生产力。
人工智能共同创作游戏设计助手的原则
CCGDA 的使用是一个相对较新的概念，已经在实时战略关卡设计（Liapis、Yannakakis 和 Togelius 2013）（图 1）、超级马里奥世界（Guzdial 等人 2017）和众包谜题（Charity、Khalifa 和 Togelius 2020）中进行了初步实验。虽然这些早期原型系统证明了 AI 游戏设计工具的可行性，但对此类系统设计的原则和惯例的研究很少。我们的研究将调查在设计有效的 CCGDA 时应考虑的不同 AI 技术、游戏启发式方法和交互策略。我们的研究将使用数字纸牌游戏（例如炉石传说）作为研究平台，因为其中一些因素使它们在 AI 研究中很受欢迎（Hoover 等人 2020），包括：
解决飞机路线和排序问题时人类的表现和策略：一种实验方法
摘要 随着机场资源不断扩展以满足日益增长的服务需求，有效利用地面基础设施对于确保运营效率越来越重要。运筹学研究已经产生了一些算法，为机场塔台管制员提供有关航班到达、离开和地面移动的最佳时间和顺序的指导。虽然这种决策支持系统有可能提高运营效率，但它们也可能影响用户的心理工作量、态势感知和任务绩效。这项工作旨在确定人类决策者在实验性机场地面移动控制任务中采用的绩效结果和策略，目的是确定增强以用户为中心的塔台管制决策支持系统的机会。为了应对这一挑战，30 名新手参与者解决了一组以游戏形式呈现的车辆路线问题，代表跑道管制员执行的机场地面移动任务。游戏在两个独立变量上有所不同，即网络地图布局（代表任务复杂性）和游戏目标（代表任务灵活性），而口头协议、视觉协议、任务表现、工作量和任务持续时间则被收集为因变量。逻辑回归分析显示，游戏目标和任务持续时间显著影响参与者确定游戏最佳解决方案的可能性，其中
用于发布前游戏调优的 AI 驱动自动播放代理
在这两种情况下，游戏代理都依赖于人类可用的相同游戏界面。算法的输入使用渲染缓冲区，可能通过对象 ID、深度信息和其他元数据进行增强，但在视觉上与玩家看到的相同或相似。游戏的输入可能是操纵杆移动、按钮点击和屏幕点击的直接模拟，通常依赖于 UI 元素的实际位置和行为。此类低级界面使学习更加困难，因为需要先从图像中提取所需信息，然后才能将其输入到策略（状态动作映射）中。相比之下，当我们将代理直接引入游戏开发流程时，它们允许我们公开代理与
如何引用本文 Argueta-Muñoz FD、Olvera-Cortés HE、Durán-Cárdenas C 等。 （2023 年 5 月 18 日）教学设计及其对布兰的可用性
第二阶段的参与者是墨西哥国立自治大学医学院 2022 年入学的四年级学生。样本量是针对 89 名学生计算的概率样本，绝对差异标准为已知 1,122 名学生，统计功效为 90%，置信度为 95%。该工具由 30 个问题的李克特量表（1 表示完全不同意，5 表示完全同意）组成，这些问题考虑了以下维度：游戏的目标、故事的可视化、游戏世界的可视化、角色的可视化、游戏化技术、游戏玩法、界面和多媒体（SUS 量表）；此外，它还有两个开放性问题，以了解参与者的意见 [15] 。对开放性问题进行了主题分析。该工具通过 GoogleForms™ 嵌入到 Moodle 虚拟学术教室中。使用