Download
1 / 29
290 likes | 383 Views
Speltestning -Med Fuzzy Logic. Introduktion. - Banor och fiender visar strategier - Akademiska världen vs speldesigner. Introduktion. ”Speltestning är den viktigaste aktiviteten en speldesigner ägnar sig åt, ironiskt nog är det oftast den aktiviteten en speldesigner vet minst om”
E N D
Introduktion - Banor och fiender visar strategier - Akademiska världen vs speldesigner
Introduktion ”Speltestning är den viktigaste aktiviteten en speldesigner ägnar sig åt, ironiskt nog är det oftast den aktiviteten en speldesigner vet minst om” (Fullerton, Tracy, 2008)
Introduktion - Speltestning != Enkel process!!! - Selektion, rekrytering, förberedelse, övervakning och analys - Objektiv syn
Introduktion Svårt för speldesignern att förutse strategier Speltester under hela utvecklingsprocessen - Undvika kryphål
Introduktion Hjälp vid speltestning: One-on-One testing Tidskrävande Halo 3 – 3000 timmar Halo Reach – 16 miljoner timmar
Introduktion Data hooks Mindre tidskrävande = Billigare Problem: Förstå och tolka data En lösning: Data Mining
Introduktion Data Mining – Hitta mönster i stora datamängder Klassificering – Ge instanser en målklass Genomskinliga vs ogenomskinliga modeller
Introduktion Beslutsträd Tydlig och överskådligt Öka tydligheten mha Fuzzy Logic
Introduktion Fuzzy Logic – relativa värden Bättre träd med Genetisk Programmering GP söker globalt- ger tydligare träd. Mindre träd – Tydligare, men mindre träffsäkra
Syfte Utveckla en metod för att i så stor utsträckning som möjligt automatiskt kunna hitta kryphål och strategier i ett spel, samt kunna jämföra detta mot hur speldesignern ämnat att spelet skulle spelas.
Problemformulering - Hur kan fuzzy logic användas för spelstrategianalys baserat på data hooks?
Problemformulering Delproblem: 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? 2. Hur skiljer sig träffsäkerhet mellan automatiska och manuella fuzzy medlemsfunktioner?
Bakgrund– Relaterat arbete • Microsoft + Bungie Studios = Halo • Laboratorie för speltestning • Flera metoder – Data hooks • Extrahering av data
Teori– Spelet • Top Down Shooter 2D
Teori– Insamling av data • Time - Tiden sedan omgången startades. • PosX - Spelarens position I X-led • PosY - Spelarens position I Y-led • HP - Spelarens aktuella hälsa • Ammo - Spelarens tillgängliga ammunition • Bombs - Antal tillgängliga bomber för spelaren • FShots - Antal skott avfyrade av spelaren • Points - Spelarens poäng • EType - Typ av fiende på skärmen • ECurve - Fiendens rörelsemönster • #Enemies - Antal fiender på skärmen.
Teori – Fuzzy evaluering 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? 2. Hur skiljer sig träffsäkerhet mellan automatiska och manuella fuzzy medlemsfunktioner?
Experiment Klassificering i ramverket Pass 1 330 poäng
Analys 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? Tolkningsbarhet: Automatiska: Svårare att tyda, längre regler Beroende av inställning i G-REX Olika representation mot manuella regler.
Analys 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? Tolkningsbarhet: Vad säger reglerna? Pass 1 float fuzzyValue = 0; fuzzyValue += LowX; fuzzyValue += HighX; fuzzyValue += FiredShots / 2; fuzzyValue += UsedBombs;
Analys 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? Träffsäkerhet: Automatiska regler har bättre träffsäkerhet Manuella regler har svårt för komplexa pass. Sämre än naiv klassificering i pass 3
Analys 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? Träffsäkerhet: Alla Pass: Manuella är lite bättre Häckar är bra
Analys 2. Hur skiljer träffsäkerheten mellan automatiska och manuella fuzzy medlemsfunktioner? Ingen stor skillnad Hög träffsäkerhet Innebär: Bra resultat! Ingen kunskap om Fuzzy
Analys Hur kan fuzzy logic användas för spelstrategianalys baserat på data hooks? M.h.a. Fuzzy Logic och G-REX hittades icke triviala regler En oväntad regel i pass 2 Bra regler pass för pass. Ingen bra generell regel för alla pass Beror på spelets och attributens uppbyggnad (bombs)
Analys Hur kan fuzzy logic användas för spelstrategianalys baserat på data hooks? En oväntad regel från pass 2: Om spelaren skjuter bomber och förlorar hälsa, är det en bra spelare… Fler fiender = Fler poäng
Slutsats 1. Hur skiljer sig tolkningsbarhet och träffsäkerhet mellan automatiska och manuella regler? Tolkningsbarheten är tydligare för manuella regler medan träffsäkerheten är bättre för de automatiska reglerna. Tolkningsbarheten för de automatiska reglerna är acceptabel och går att utläsa när träden inte blir för stora.
Slutsats 2. Hur skiljer sig träffsäkerhet mellan automatiska och manuella fuzzy medlemsfunktioner? Träffsäkerheten skiljer sig inte mellan de automatiska och de manuella fuzzy medlemsfunktionerna. Det spelar alltså ingen roll om det är speldesignern eller G-REX som sätter upp medlemsfunktionerna för fuzzy logic.
Slutsats Hur kan fuzzy logic användas för spelstrategianalys baserat på data hooks? Fuzzy logic används med framgång på data från loggfiler för att evaluera och predicera spelstrategier. Det bästa sättet är att använda automatisk fuzzifiering och regelskapande i program som G-REX.
