XiaoMi-AI文件搜索系统
World File Search Systemgameplay
使用 AI 玩家预测游戏难度和参与度
本文介绍了一种用于预测人类玩家行为和体验的自动游戏测试新方法。我们之前已经证明，深度强化学习 (DRL) 游戏代理可以预测游戏难度和玩家参与度，并将其操作化为平均通过率和流失率。我们通过使用蒙特卡洛树搜索 (MCTS) 增强 DRL 来改进这种方法。我们还基于以下观察激发了一种增强的预测特征选择策略：AI 代理的最佳表现可以产生比代理平均表现更强的与人类数据的相关性。这两种添加方式都可以持续提高预测准确性，并且 DRL 增强型 MCTS 在最难的级别上的表现优于 DRL 和原始 MCTS。我们得出结论，通过自动游戏测试进行玩家建模可以从结合 DRL 和 MCTS 中受益。此外，如果 AI 游戏玩法平均而言无法产生良好的预测，那么研究重复的最佳 AI 代理运行的子集也是值得的。
沟通方向性和人工智能代理差异对人机交互的影响
在本质上具有交互性的人机协作环境中，沟通方向在用户如何看待他们的人工智能伙伴方面发挥着重要作用。在具有部分可观察信息的人工智能驱动的合作游戏中，玩家（无论是人工智能还是人类玩家）需要其他玩家准确解释他们的行为才能取得成功的结果。在本文中，我们研究了在合作游戏环境中具有各种沟通方向的人工智能代理的社会认知。当参与者认为他们正在与人工智能或人类一起玩时，我们会测量参与者对其伙伴的主观社会认知（融洽关系、智力和好感度）以及沟通的性质（响应性和主导角色）。我们对这款合作游戏的 Mechanical Turk（n=199）进行了大规模研究，发现不同人工智能代理、不同沟通方向以及代理被视为人工智能/人类时，游戏结果和社会认知存在显著差异。我们发现，先前的研究表明，对人工智能的偏见因沟通方向和人工智能代理的不同而不同。
碳足迹游戏：一种创新的教学气候变化方法
随着全球社区应对气候变化的紧迫挑战，越来越需要创新有效的教育工具，以增强与这个关键问题的理解和参与。本文介绍了一种新颖的教学方法（碳足迹游戏），该方法利用游戏化的力量来教育学生（11-14岁）关于气候变化的复杂性以及个人选择对碳排放的影响。通过互动游戏，现实世界数据分析和协作学习的融合，这种教学方法旨在培养对环境问题的更深入的认识，并促进学生之间的可持续行为。我们进行了一项试点研究，涉及意大利北部一所中学的学生。在两个不同的班级中教授了两个带有不同倾斜的课程：第一堂课获得了传统的额叶课程，而第二堂课则参加了碳足迹游戏。在两个课程的结尾之前和结尾处，学生从事评估问卷（两个类别相同），以评估经过测试的新型教学方法的有效性。
严肃游戏概念方法保护关键...
Lorcan Connolly 助理，Research Driven Solutions Limited (RDS)，爱尔兰都柏林 摘要：智慧城市已成为管理不断发展的城市环境中资产和资源的最流行概念。要实现智慧城市的可持续城市发展，必须将智能发展与可持续实践相结合，并融入基础设施管理框架中。要提高弹性，必须了解受到网络物理威胁的关键基础设施 (CI) 的相互依赖性和连锁效应。由于基础设施互联智能系统中存在多种影响因素以及复杂的机制，弹性评估极具挑战性。为了促进对相互依赖基础设施影响的更深入了解，本文提出了一种新颖的严肃游戏方法。该方法将结合基础设施的相互依赖和连锁效应以及弹性得分，以提高基础设施的弹性得分。它还有助于通过从游戏记录中挖掘数据，以“教育”目的改善基础设施准备，以应对网络物理威胁。本文提出的严肃游戏概念正在作为 H2020 资助的 PRECINCT 项目 (www.precinct.info) 的一部分进行开发。
制定隐形评估以评估年轻中文...
本研究探讨了在数字游戏中使用隐形评估来评估第二语言（L2）中国学习者的阅读理解。日志数据跟踪学习者的游戏内行为是为中文双语言浸入教室设计的游戏（Poole等，2022），用于构建贝叶斯信仰网络以建模阅读理解。变量包括在单词查找中使用内词汇表，阅读文本花费的时间，词汇知识，文本长度，响应要求以及重复的数量。网络首先是使用类级游戏数据构建的，然后是应用于单个学生的。结果表明，学生的建模理解力与他们在外部阅读理解评估（r = .52）以及教师的非正式阅读评估（r = .66）之间的表现之间存在显着相关性，这表明隐形评估对不可思议的阅读理解测量的潜力。这些发现有助于对语言教育中基于数字游戏的学习和评估的理解，尤其是在阅读《普通话中文》（如普通话）中的非字母语言理解的背景下。
自适应世界：游戏设计和游戏未来的生成AI和交互式媒体
生成的AI正在彻底改变游戏设计领域，并在游戏玩法中引入了前所未有的适应性和个性化。AI驱动引擎的最新进步可实现实时内容创建，提供了动态的，以玩家为导向的体验，与传统的预编程叙述不同。此班次标志着向“选择自己的冒险”格式的过渡，其级别，敌人，收藏品和武器的数量无限数量，该级别是针对每个玩家的决定量身定制的。Google的Gamengen展示了AI重新创建经典游戏，例如实时学习和生成游戏玩法的能力。这些创新并不仅限于游戏。它们扩展到了娱乐，电视和电影，诸如Cybever之类的AI工具允许创作者从诸如草图之类的简单输入中产生3D世界。这样的发展强调了AI在塑造交互式媒体中的作用的更广泛趋势，为个性化学习和娱乐体验提供了新的机会。诸如笔记本LM之类的工具的出现也模糊了游戏与其他媒体之间的界限，从而创建了AI编写的脚本和化身，从而增强了跨平台的讲故事。本文探讨了生成AI的变革潜力，强调了对娱乐，游戏及其他地区的未来的影响。
自适应世界：游戏设计和游戏未来的生成AI，
生成的AI正在彻底改变游戏设计领域，并在游戏玩法中引入了前所未有的适应性和个性化。AI驱动引擎的最新进步可实现实时内容创建，提供了动态的，以玩家为导向的体验，与传统的预编程叙述不同。此班次标志着向“选择自己的冒险”格式的过渡，其级别，敌人，收藏品和武器的数量无限数量，该级别是针对每个玩家的决定量身定制的。Google的Gamengen展示了AI重新创建经典游戏，例如实时学习和生成游戏玩法的能力。这些创新并不仅限于游戏。它们扩展到了娱乐，电视和电影，诸如Cybever之类的AI工具允许创作者从诸如草图之类的简单输入中产生3D世界。这样的发展强调了AI在塑造交互式媒体中的作用的更广泛趋势，为个性化学习和娱乐体验提供了新的机会。诸如笔记本LM之类的工具的出现也模糊了游戏与其他媒体之间的界限，从而创建了AI编写的脚本和化身，从而增强了跨平台的讲故事。本文探讨了生成AI的变革潜力，强调了对娱乐，游戏及其他地区的未来的影响。
定时偏序推理算法 - AAAI 出版物
在本文中，我们提出了定时偏序 (TPO) 模型来指定工作流程安排，尤其是用于对制造流程进行建模。TPO 集成了工作流程中事件的偏序，指定“先发生”关系，并使用时钟上的保护和重置指定时间约束——这是从定时自动机规范中借鉴的想法。TPO 自然使我们能够捕获事件顺序以及一类受限制但有用的时间关系。接下来，我们考虑从工作流程日志中挖掘 TPO 安排的问题，其中包括事件及其时间戳。我们展示了制定 TPO 和图着色问题之间的关系，并提出了一种具有正确性保证的 TPO 学习算法。我们在合成数据集上展示了我们的方法，其中包括两个受飞机调头的实际应用启发的数据集和 Overcooked 电脑游戏的游戏视频。我们的 TPO 挖掘算法可以在几秒钟内从数千个数据点推断出涉及数百个事件的 TPO。我们表明，由此产生的 TPO 为工作流的依赖关系和时间约束提供了有用的见解。
电池PV系统的联合设计和控制的加固学习朝着设计基于人类现象的实验协议的游戏
在过去的几年中，科学研究开放了将数字游戏用于人类研究的想法。神经科学，医学和情感计算等领域目前正在使用游戏来研究基于人类的现象。即使该领域中存在大量工作，但设计这种游戏的主题很少。实际上，该领域中的一个常见问题是，游戏本身通常是事后的想法，在这种情况下，某些游戏限制永远不会被真正承认，并且倾向于大部分被忽略。因此，本文介绍了一些游戏设计准则，以针对专门使用游戏的作品中最常见的问题，专门使用人类生理数据收集的目的。此外，对最流行的生理记录方法的简要描述：皮肤电导（SC），心率变异性（HRV），肌电图（EMG），脑电图（EEG）（EEG）和功能磁共振成像（FMRI）；作为使用此类设备的游戏“限制”提供的是在游戏设计过程中考虑的重要因素。因此，本文的目的是提供对文献中发现的特定游戏设计限制的认识，并从游戏设计的角度进行分析。
设计用于研究人类现象的实验协议的游戏
过去几年，科学研究开始考虑使用数字游戏进行以人为本的研究。神经科学、医学和情感计算等领域目前正在使用游戏来研究以人为本的现象。尽管该领域有大量的研究，但很少有人涉及设计此类游戏。事实上，该领域的一个常见问题是游戏本身往往是事后才想到的，某些游戏限制从未真正被承认，而且往往被忽视。因此，本文旨在为文献中最常见的问题提供一些游戏设计指南，这些问题来自专门使用游戏进行人类生理数据收集的工作。此外，本文还简要介绍了最流行的生理记录方法：皮肤电导 (SC)、心率变异性 (HRV)、肌电图 (EMG)、脑电图 (EEG) 和功能性磁共振成像 (fMRI)；因为使用此类设备的游戏“限制”是游戏设计过程中需要考虑的重要因素。因此，本文的目的是提高对文献中发现的特定游戏设计局限性的认识，并从游戏设计的角度对其进行分析。