XiaoMi-AI文件搜索系统
World File Search Systemgameplay
单次试验对视频游戏玩家的专业知识，来自大脑血液动力学和面部情绪反应
摘要：随着消费者对视频游戏娱乐的需求，游戏行业正在探索新颖的游戏互动方式，例如提供游戏与游戏玩家的认知或情感响应之间的直接接口。在这项工作中，游戏玩家的大脑活动是使用近红外光谱（FNIRS）进行成像的，而他们观看了他们玩的视频（英雄联盟）的视频。还记录了15个试验中的每一个中的参与者面孔的视频，其中试验被定义为观看游戏视频。从收集到的数据中，即游戏玩家的FNIRS数据与游戏玩家面部表情的情感状态估计相结合，游戏玩家的专业知识水平已在一个多模式的框架中被解码，其中包括由无培养的深度特征学习和分类通过统一模型来解码。使用随机卷积内核变换（Rocket）特征提取方法和91.44％的Deep Clastifier获得最佳三级分类精度。这是第一项工作，旨在使用非限制性和便携式技术来解码游戏玩家的专业知识水平，以及从游戏玩家的面部表情中获得的情感状态识别。这项工作对未来人类与视频游戏和大脑控制游戏的新型设计具有深远的影响。
2021 年 sto 亮点
2021 年 2 月，STO 进行了首次虚拟颠覆性技术桌面演习 (D3TX)，这是一项重要活动，以 STO 先前开发的颠覆性技术评估游戏 (DTAG) 和 S&T 趋势 2020-2040 报告为基础。此次演习是 STO 年度计划和方案研讨会 (PPW) 的前奏，汇集了 STO、北约和欧盟 (EU) 军事参谋部以及更广泛的北约企业的利益共同体。玩家参加了两个下午的引人入胜的游戏，探索新兴和颠覆性技术 (EDT) 在旨在与北约的三个核心任务（集体防御、危机管理和合作安全）和作战或企业能力保持一致的作战场景中的影响。活动由国际军事参谋长主持开幕，吸引了 180 多名参与者。这些参与者被分成 16 个小组，每个小组审问一个场景的战役阶段。自那以后，D3TX 的设计和调查结果引起了北约各界的极大兴趣，首席科学家办公室向 C3 委员会、国际军事参谋长和反扩散委员会等介绍了演习的结果。这次演习为接下来两天富有成效的 PPW 讨论提供了信息，在讨论中，演习结果被用于评估 2021 年 STO 工作计划中的差距和机会。最后，D3TX 的输出极大地支持了进一步的分析活动，例如 EDT 实施战略。
尼古拉·索巴伊奇
副首席程序员 2016 年 12 月 - 2020 年 5 月 • 全面负责团队的交付和发展。大部分时间用于指导、调试、代码审查和组织团队的时间和任务，以及与游戏设计师、制作人和外部利益相关者规划未来功能。 • 领导一个 5 人引擎团队开发一款在 10 个不同平台上交付的未公布游戏。在其中两个平台上拥有完整的引擎和渲染所有权。 • 与 Ubisoft Bucharest 合作开发了 Ghost Recon Breakpoint PVP。在测试后加入该项目，主要在紧迫的期限内进行完善、修复错误和平衡工作。开发了发布后的稳定性修复程序和第 1 集功能完整更新。 • 两年来，与 8-20 名引擎和游戏程序员组成的团队合作开发 Ghost Recon Wildlands PVP。在游戏方面，我的团队为 PC、Playstation 和 Xbox 上的 Ghost War 提供课程、游戏模式、UI 和货币化。引擎任务包括整个输入系统重构、维护有效的反作弊解决方案和总体游戏稳定性。• 组织 C++ 聚会，在外部活动中举办公司演示，以提高人们对公司和塞尔维亚 GameDev 场景的认识。在贝尔格莱德大学数学系举办了一学期的课程，题为“C++ 游戏开发”。• 首席编程招聘经理。创建并维护 C++ 程序员的测试。与人力资源部门合作，领导简化程序员招聘流程的努力。在此期间，招聘了 50 多名程序员。UbisoftBelgrade 的招聘流程已从各种求职平台获得多个奖项。
游戏能减轻数学焦虑吗？一项荟萃分析
在本文中，我们首次对基于游戏的干预措施在降低学生数学焦虑水平方面的有效性进行了荟萃分析。在对与基于游戏的数学焦虑干预相关的随机研究进行搜索后，11 篇同行评审文章中描述的 16 个效应大小（共 686 名参与者）符合选择标准。随机效应荟萃分析表明，数学焦虑的降低幅度很小且不显著（平均效应大小 𝐸𝑆 = −0. 32 ， 𝐶𝐼 = [−0. 64 ， 0. 01] ）。结果受到几个因素的调节：非数字游戏更有效，而数字游戏的平均效应大小可忽略不计，为 𝐸𝑆 = −0. 13 ， 𝐶𝐼 = [−0. 33 ， 0. 08] 。效果大小还受到干预总时长（干预时间越长越有利）和游戏类型的影响：当游戏促进协作和社交互动时，它们对减轻数学焦虑的效果更大。这些特点只存在于非数字游戏中，而所分析的所有数字游戏都是单人游戏。在论文的最后一部分，我们讨论了未来可能的研究方向。获得的薄弱结果表明需要开发和测试专门为数学焦虑学生设计的游戏。这将需要通过分析焦虑和非焦虑学生在游戏中的行为来研究游戏功能与数学焦虑之间的关系。在焦虑意识游戏可以采用的功能中，我们建议采用协作游戏、社交互动、适应性、促进内在动机的功能和嵌入数学焦虑的实时测量。
玩电子游戏时，视觉诱发的反应会得到增强
摘要 众所周知，视觉可以引导运动，但人们很少意识到运动皮层也为视觉系统提供输入。在本文中，我们研究了视觉刺激的神经处理是否在运动活动期间受到剧烈调节，假设在从事依赖于视觉刺激的运动任务时，视觉诱发反应会得到增强。为了验证这一点，我们告诉参与者，他们的大脑活动是控制视频游戏，而实际上，该游戏是预先录制的游戏的回放。这种欺骗对一半的参与者有效，旨在调动运动系统，同时避免与实际运动或躯体感觉相关的诱发反应。在其他试验中，受试者主动使用键盘控制玩游戏或被动观看回放。视觉诱发反应的强度是通过连续刺激和头皮上的诱发电位之间的时间相关性来衡量的。我们发现被动观看期间相关性降低，但主动和假玩之间没有差异。在假游戏过程中，中央电极上的 Alpha 波段 (8-12 Hz) 活动减少，表明尽管没有明显的运动，但运动皮层仍然被激活。为了解释游戏过程中注意力的潜在增加，我们进行了第二项研究，受试者在观看过程中数屏幕上的项目。我们再次发现假游戏过程中相关性增加，但数数和被动观看之间没有差异。虽然我们不能完全排除注意力的参与，但我们的研究结果确实表明在主动视觉过程中视觉诱发反应有所增强。
视频游戏中人工智能的兴起
第一台数字计算机是在 20 世纪 40 年代末或 50 年代初开发的，具体取决于您对计算机的确切定义，它们立即被用于玩游戏。这位热切的发明家（和玩家）正是计算机科学和人工智能的创始人之一艾伦·图灵（Togelius，2019 年）。人工智能是视频游戏中的基本概念之一。它的作用与叙事、艺术、图形、音频和任何其他元素一样重要。AI 不仅决定了游戏中可扩展的难度或与其他角色/环境的交互，还决定了沉浸感、适应性和响应性。糟糕的 AI 实现会破坏沉浸感，而具有良好 AI 机制的游戏将进一步增强整个游戏体验。自从人工智能诞生以来，游戏一直在帮助 AI 研究取得进展。游戏不仅为 AI 提出了有趣而复杂的问题（例如，玩好游戏）；它们还为用户（人甚至机器！）提供了创造力和表达的画布。因此，可以说，游戏是一个罕见的领域，科学（解决问题）与艺术和互动相遇：这些因素使游戏成为 AI 研究的独特和最受欢迎的领域。但不仅仅是 AI 通过游戏得到发展；游戏也通过 AI 研究得到发展（Yannakakis & Togelius，2018）。视频游戏中的人工智能可以是确定性的，也可以是不确定的。确定性 AI 广泛应用于游戏行业，其中不确定性最低。不确定 AI 具有一定程度的不确定性，并且由于从用户交互中学习而更具适应性和响应性。
CS 7632 游戏 AI - 教学大纲
Jeff Wilson，博士 高级研究员 人力与技术研究所 jeff.wilson@gatech.edu 描述 欢迎来到 CS 7632 游戏 AI。在应用于视频游戏开发时，人工智能与一般 AI 研究的目的不同。这是因为一般 AI 通常关注寻找正确和/或最佳答案。但是，游戏 AI 的目标只是提供有趣的游戏体验。因此，游戏 AI 解决方案可能涉及偷工减料、欺骗游戏玩家或在实施方面作弊。游戏 AI 还面临着计算资源有限的挑战，因为视频游戏涉及许多必须协调工作的子系统，例如图形、声音、物理模拟等。游戏 AI 通常在游戏功能列表中的优先级较低，这进一步激发了偷工减料策略。虽然游戏 AI 通常利用经典 AI 研究中的概念，但您会发现有许多独特的实施策略可实现有趣的游戏体验。游戏 AI 课程涵盖的主题包括代理移动、路径规划、决策、目标导向行为、学习和程序内容生成。技术要求和软件 大多数软件开发都是使用 Unity 引擎和 C# 编程语言进行的。学生需要能够运行 Unity 的 Windows PC 或 Mac。某些作业可能会使用 Python 等补充工具。建议的背景知识 学生应该熟悉基本的计算机科学概念，例如算法和数据结构。学生还应该具有强大的软件开发背景。学生不必熟悉 Unity 引擎。对于不熟悉 C# 的人，熟悉 Java 等强类型面向对象编程语言会很有帮助。作业权重注意：作业和权重可能会因学期而异。请参阅 Canvas 了解具体信息。
混合棋盘游戏中人工智能的分类
游戏和实体游戏的组合通常被称为“混合棋盘游戏”。混合棋盘游戏可以理解为更广泛的“混合游戏”的一部分，这些游戏通常涉及多种不同类型的媒体，而不一定由模拟和数字游戏元素的参与来定义 [3]。与此同时，在视频游戏领域，人工智能的重要性正在稳步上升，因为必要的技术越来越能够做出复杂的决策并解读复杂的游戏状态。这反过来又允许创建新的游戏元素，以及开发有助于设计和评估视频游戏的系统 [16,23]。这种趋势在混合棋盘游戏中不太明显，因为人工智能的使用似乎仍然处于比较初级的阶段。在这项工作中，我们介绍了在混合棋盘游戏领域对人工智能进行分类的第一步，目的是帮助研究和开发可以支持此类游戏的人工智能。我们认为，通过构建现有知识，分类法可以催化新想法的产生，甚至更重要的是，强调那些缺乏实践或理论知识的领域。寻找这样的设计空间可以为未来的工作带来有趣的机会，否则这些机会将无法得到探索。因此，我们的努力应该被理解为一种行动号召，即通过进一步的批判性论述和实证研究来加强所提出的结构。下一节“工作定义”提供了我们对混合棋盘游戏的工作定义，以及在这种游戏的背景下什么可以被视为“人工智能”。“分类视角”部分概述了一种拟议的分类法，通过不同的可能维度，尝试从中区分混合棋盘游戏中的人工智能。最后，我们将通过说明性示例讨论所提出的维度。
CS 7632 游戏 AI - 教学大纲
Jeff Wilson，博士 高级研究员 人力与技术研究所 jeff.wilson@gatech.edu 描述 欢迎来到 CS 7632 游戏 AI。在应用于视频游戏开发时，人工智能与一般 AI 研究的目的不同。这是因为一般 AI 通常关注寻找正确和/或最佳答案。但是，游戏 AI 的目标只是提供有趣的游戏体验。因此，游戏 AI 解决方案可能涉及偷工减料、欺骗游戏玩家或在实施方面作弊。游戏 AI 还面临着计算资源有限的挑战，因为视频游戏涉及许多必须协调工作的子系统，例如图形、声音、物理模拟等。游戏 AI 通常在游戏功能列表中的优先级较低，这进一步激发了偷工减料策略。虽然游戏 AI 通常利用经典 AI 研究中的概念，但您会发现有许多独特的实施策略可实现有趣的游戏体验。游戏 AI 课程涵盖的主题包括代理移动、路径规划、决策、目标导向行为、学习和程序内容生成。技术要求和软件 大多数软件开发都是使用 Unity 引擎和 C# 编程语言进行的。学生需要能够运行 Unity 的 Windows PC 或 Mac。某些作业可能会使用 Python 等补充工具。建议的背景知识 学生应该熟悉基本的计算机科学概念，例如算法和数据结构。学生还应该具有强大的软件开发背景。学生不必熟悉 Unity 引擎。对于不熟悉 C# 的人，熟悉 Java 等强类型面向对象编程语言会很有帮助。作业权重注意：作业和权重可能会因学期而异。请参阅 Canvas 了解具体信息。
在疯狂的领域中的加强学习-Tommy Bird
可以合作并适应各种情况的AI代理的开发。此外，模仿现实的游戏体验，玩家实时沟通和策略是该项目的额外动机。疯狂的上帝的领域（此后，rotmg）是我成长的游戏，这是该项目的灵感。它的节奏非常快，涉及连续躲避数百个关节。因此，这种类型的名称是子弹地狱。这使得将重新学习学习成为一个非常有趣的选择，因为代理商必须学会避免过多的屏幕危害。rotmg游戏玩法通常以老板的战斗为中心。您要么努力击败世界上的老板，要么进入地牢，在最后，您会在最后的Chamber中遇到老板。为了复制这一点，我对自己的老板战斗进行了编程，以及三个受游戏启发的可玩代理角色。环境是一个岛屿，三个特工被限制在这里。这个竞技场的老板是一个名为“ polyphemus”的独眼巨人。他拥有基本的AI，具有一些固定的行为和攻击，稍后将详细介绍。这是三个代理：•向导：高攻击，高范围，但健康状况低。有效的玻璃大炮。•牧师：低攻击，高范围和中等健康特征。平衡的支持。•战士：高攻击，低范围和高健康志。小组的坦克。通过这种特征的组合，代理人应该有望合作克服多面体。每个代理都能够向各个方向移动，向各个方向射击，并像rotmg一样在冷静下激活其独特的特殊动作。向导可以发射高伤害弹丸，战士可以暂时提高盟友附近的盟友，而牧师可以在盟友附近治愈。