ترجمه فارسی مقاله تنظیم سختی پویا شخصی شده — یادگیری تقلید با یادگیری تقویتی ملاقات می کند

چکیده

Balancing game difficulty in video games is a key task to create interesting gaming experiences for players. Mismatching the game difficulty and a player’s skill or commitment results in frustration or boredom on the player’s side, and hence reduces time spent playing the game. In this work, we explore balancing game difficulty using machine learning-based agents to challenge players based on their current behavior. This is achieved by a combination of two agents, in which one learns to imitate the player, while the second is trained to beat the first. In our demo, we investigate the proposed framework for personalized dynamic difficulty adjustment of AI agents in the context of the fighting game AI competition.

چکیده به فارسی (ترجمه ماشینی)

تعادل بازی در بازی های ویدیویی یک کار اصلی برای ایجاد تجربیات جالب بازی برای بازیکنان است.عدم تطابق بازی و مهارت یا تعهد بازیکن منجر به ناامیدی یا کسالت در سمت بازیکن می شود و از این رو زمان صرف بازی را کاهش می دهد.در این کار ، ما با استفاده از عوامل مبتنی بر یادگیری ماشین ، تعادل بازی را بررسی می کنیم تا بازیکنان را بر اساس رفتار فعلی خود به چالش بکشیم.این با ترکیبی از دو عامل حاصل می شود ، که در آن فرد می آموزد از بازیکن تقلید کند ، در حالی که دوم برای ضرب و شتم اول آموزش دیده است.در نسخه ی نمایشی ما ، ما چارچوب پیشنهادی را برای تنظیم دشواری پویا شخصی عوامل هوش مصنوعی در زمینه رقابت بازی AI بازی می کنیم.