Informe de Seguimiento

Transcripción

1 Informe de Seguimiento

2 WorthPlay: Digital Games for a Positive and Active Ageing Instituto de Investigación en Inteligencia Artificial, Consejo Superior de Investigaciones Científicas 1. Resumen ejecutivo Este informe describe el trabajo realizado por el Instituto de Investigación en Inteligencia Artificial (IIIA) del Consejo Superior de Investigaciones Científicas (CSIC), los principales resultados obtenidos según los objetivos fijados en el proyecto WorthPlay, y las perspectivas de futuro. El proyecto, coordinado por el Grupo de Tecnologías Interactivas de la Universitat Pompeu Fabra (GTI- UPF), tenía como principal objetivo desarrollar juegos digitales que merezcan la pena ser jugados por personas de la tercera edad y sus círculos sociales, como amigos y familiares. El IIIA- CSIC ha contribuido a alcanzar este principal objetivo realizando las siguientes principales tareas. El trabajo del IIIA- CSIC se ha realizado principalmente alrededor de la tarea cinco T5, Adaptación de Juegos (Game Adaptation). Se ha desarrollado el sistema SAGE, un sistema inteligente para la adaptación de juegos. Además se ha colaborado con GTI- UPF en la integración de SAGE a la plataforma de juegos de WorthPlay y en la evaluación de los distintos prototipos (tareas T3, T6 y T8). A partir de los resultados obtenidos por los grupos GTI- UPF y DMAG- UoD en el trabajo etnográfico realizado en el proyecto, se ha propuesto un modelo de jugador adaptado a las características de la gente mayor que ha sido el núcleo del componente adaptativo SAGE. IIIA- CSIC también ha realizado otras tareas, que han ayudado a alcanzar el Objetivo 1 del proyecto. En concreto, IIIA- CSIC ha realizado una revisión de trabajos científico- técnicos sobre el uso

3 de herramientas de Inteligencia Artificial en juegos digitales, sus roles así como su enfoque para desarrollar juegos adaptativos. A diferente nivel, IIIA- CSIC también ha contribuido en el proyecto revisando (peer- reviewer) informes y entregables del proyecto, como parte de su control de calidad interno. 2. Descripción del trabajo realizado 2.1 Tarea 5: Adaptación dinámica del juego La Tarea 5 (T5), liderada y coordinada por IIIA- CSIC, consistía en el diseño de un componente que permitiera adaptar la experiencia del juego a las preferencias e intereses de cada jugador. Partiendo del desarrollo preliminar, y de su evaluación, del sistema SAGE, un sistema inteligente para la adaptación de juegos a los intereses de cada usuario propuesto en el primer año del proyecto, durante el segundo año se ha extendido y completado para dar respuesta a los retos del proyecto. SAGE tiene tres componentes: el componente de monitorización de los jugadores, el componente de aprendizaje continuo de los modelos de jugadores y el componente de recomendación. Con referencia al componente de monitorización de jugadores, se ha desarrollado e integrado a la plataforma de juegos el servicio WorthPlay Analytics. WorthPlay Analytics permite incrustar un pequeño código javascript a las acciones que un usuario efectúa cuando juega de forma que queden recogidas en tiempo real. Los detalles técnicos de WorthPlay Analytics se describen en el entregable D5.1 (Desarrollo e Integración del sistema para juegos adaptativos). Sólo mencionar que WorthPlay Analytics monitoriza acciones como la selección de actividades, las respuestas y su evaluación así como cuando un usuario decide saltarse algunas actividades. A partir de la información que continuamente recibe WorthPlay Analytics, el segundo componente de SAGE tiene como objetivo el aprendizaje de modelos de jugadores. Para caracterizar las preferencias de cada jugador, se han modelado distintos aspectos como son el interés por distintos tipos de actividades, su

4 nivel de competitividad o la predisposición a actividades que supongan un reto para el jugador. Los modelos de usuarios se van aprendiendo incrementalmente a partir de la participación de un jugador en la plataforma. '(&)*+,*-&./0-&!"#$"%#&!!!"#$%&'%())#%($&%*# %%& Figura 1: Modelo Conceptual de SAGE Finalmente, el componente SAGE Recommender, dado un jugador y un conjunto de posibles actividades a realizar en un juego concreto, propone al jugador las actividades que le son más adecuadas. SAGE Recommender se ha desarrollado como un servicio web RESTFul sobre la plataforma escalable Mahout. Los detalles técnicos de SAGE Recommender se describen en el entregable D5.1 (Desarrollo e Integración del sistema para juegos adaptativos). ()*+,-./&01&2./-.3&4)&5673& 2./-.3&81119&!"#$"%#&!!!"#$%&'%())#%($&%*# %'& Figura 2: Integración de SAGE en la plataforma de juegos de WorthPlay

5 Una vez finalizada la evaluación exhaustiva de SAGE Recommender, se está preparando un artículo de revista describiendo los mecanismos de aprendizaje de perfiles de jugadores así como su flexibilidad para adaptar los juegos a sus características. 2.2 Revisión de trabajos científico- técnicos sobre uso de herramientas de Inteligencia Artificial en juegos digitales y su aplicación a la adaptabilidad Con el objetivo de identificar los principales roles para los que se han utilizado técnicas de Inteligencia Artificial en juegos digitales, realizamos una revisión de artículos científico- técnicos publicados en revistas y congresos internacionales especializados. La revisión consta de dos estudios. El primer estudio analiza para 7 distintas categorías de juegos el tipo de contribución de las técnicas de Inteligencia Artificial. Concretamente, se han analizado las categorías de: Acción, Juegos de rol, Aventuras gráficas, Juegos de estrategia, Juegos de simulación, juegos deportivos por equipos y juegos deportivos individuales. Para cada categoría se han descrito sus características, el tipo de rol de la Inteligencia Artificial así como algunos ejemplos de juegos comerciales que la utilizan. El uso mas extendido de la Inteligencia Artificial se encuentra en el control de los adversarios (como por ejemplo la simulación de otros jugadores) o en los caracteres que acompañan a los jugadores. Dicho control permite controlar el nivel de dificultad al que se enfrentan los jugadores humanos y se puede utilizar para adaptar el juego a cada jugador aunque en la mayoría de jugos esta capacidad no se utiliza ya que se modela como un entorno competitivo. Ver el anexo I para una descripción más detallada El segundo estudio se ha centrado en analizar la literatura existente en juegos adaptativos. En el anexo II se detallan las propuestas que presenta la literatura, analizando los 10 artículos científicos que se relacionan más directamente con el proyecto WorthPlay.

6 3. Resultados alcanzados en relación a los objetivos propuestos El trabajo resumido en la anterior sección ha contribuido especialmente a alcanzar el Objetivo 1 de la memoria del proyecto, como detallamos a continuación. O1. Aprendizaje e Explotación de modelos de jugadores para la adaptación de juegos (A prototype of an online game that goes beyond existing ones. Learning and exploiting player models to dynamically adapt game experiences to stimulate cognitive abilities) a. Se ha desarrollado e integrado SAGE. b. SAGE permite monitorizar las actividades de cada jugador en la plataforma. c. SAGE es capaz de aprender el modelo de usuario apropiado a los intereses o preferencias de cada jugador. d. SAGE es capaz de recomendar a cada jugador un conjunto actividades coherentes con sus intereses. e. Los modelos de usuarios se van actualizando constantemente, permitiendo detectar cambios en los intereses de un jugador. 4. Conclusiones En este informe hemos presentado el principal trabajo realizado, un resumen de resultados y su contribución a alcanzar los objetivos proyecto. Respecto al trabajo realizado, hemos llevado a cabo 2 actividades principales. La primera ha consistido en el análisis de la literatura científico- técnica sobre las posibilidades que ofrece la Inteligencia Artificial en la personalización/adaptación de los juegos. La segunda actividad, y actividad principal ha sido el diseño del componente SAGE, un sistema inteligente para la adaptación de juegos teniendo en cuenta los intereses y capacidades de cada

7 jugador. SAGE se ha integrado en la plataforma de juegos del proyecto y se ha demostrado su capacidad para aprender modelos de jugadores y proponer distintas actividades según el modelo aprendido. En general, el trabajo realizado y sus resultados han contribuido especialmente a abordar, y alcanzar, uno de los cuatro principales objetivos del proyecto, el diseño de estrategias que permitan adaptar los juegos a las características y preferencias de cada jugador. 5. Próximos pasos Los próximos pasos que tenemos planeado realizar es publicar los resultados en foros internacionales científico- técnicos, como congresos y revistas. 6. Difusión de los resultados Desde el IIIA- CSIC se ha participado en los siguientes eventos donde se ha hecho difusión del proyecto WorthPlay, así como se ha trabajado en la búsqueda de posibles socios interesados en participar en nuevas propuestas que planteen nuevos retos a los objetivos alcanzados en el proyecto: Laboratorio de Ideas Envejecimiento PRUAB : Participación en diversos talleres, usando técnicas de Design Thinking, de generación de propuestas de productos y servicios para la mejora del envejecimiento (ver de- noticia/neixen- tres- projectes- innovadors- del- laboratori- d idees- per- a- l envelliment- del- parc- de- recerca- uab html?noticiaid= ). Jornada Smart Health Ecosystem Catalunya : Asistencia a la presentación de la iniciativa y de sus líneas de trabajo, destacando la iniciativa europea European Innovation Partnership on Active and Healthy Ageing (ver dactes- i- cursos/seccio/32/17/smart- health- ecosystem- catalunya).

8 Entrevista con los responsable de mhealth del Mobile World Capital (ver Presentación del proyecto WorthPlay. INNO4AGEING 2013 : Asistencia a las jornadas, presentación del proyecto WorthPlay en las sesiones de Networking (ver 3). 7. Anexos Anexo I. Revisión de la literatura sobre uso de Inteligencia Artificial (IA) en videojuegos y caracterización del rol de la IA Game Genre: Action o Description: Action games involve the human player controlling a character in a virtual environment, usually running around and using deadly force to save the world from the forces of evil. These games vary in the perspective that the human has of his/her character, be it first person, where the human sees what the character would see, or third person, where the player looks over the shoulder of the character. o Games: Doom, Quake, Descent, Half- Life, Unreal, Tomb Raider. o AI Roles: Tactical enemies, Partners Game Genre: Role playing o Description: In role- playing games, a human can play different types of character, such as a warrior, a magician, or a thief. The player goes on quests, collects and sells items, fights monsters, and expands the capabilities of the character (such as strength, magic, quickness), all in an extended virtual world. o Games: Baldur's Gate, Diablo, Ultima o AI Roles: Tactical enemies, Partners, Support characters Game Genre: Adventure

9 o Description: Adventure games, and the related genre of interactive fiction, move further from action games as they deemphasize armed combat and emphasize story, plot, and puzzle solving. In these games, players must solve puzzles and interact with other characters as they progress through an unfolding adventure that is determined in part by their actions. o Games: Adventure, Zork, King's Quest, Full ThroUle, monkey Island, Grim Fandango, Rubu Tribe o AI Roles: Tactical enemies, Partners, Support characters, Story directors Game Genre: Strategy Games o Description: In strategy games, the human controls many units (usually military units, such as tanks, or the ever- present alien war machines) to do battle from a god s eye view against one or more opponents. o Games: Close Combat, Age of Empires, Command and Conquer, Starcraft, Warcraft, Myth o AI Roles: Strategic opponents, Units Game Genre: God Games o Description: God games give the player godlike control over a simulated world. The human can modify the environment and, to some extent, its inhabitants. The entertainment comes by observing the effects of his/her actions on individuals, society, and the world. o Games: SimCity, The Sims o AI Roles: Units Game Genre: Team Sports o Description: Team sports games have the human play a combination of coach and player in popular sports, such as football (Whatley 1999), basketball, soccer, baseball, and hockey. AI is used in two roles that are similar to the roles in strategy games: The first is unit- level control of all the individual players.

10 o Games: Strategic opponents, Units, Commentators o AI Roles: Strategic opponents, Units, Commentators Game Genre: Individual Sports o Description: For individual competitive sports, such as driving, flying, skiing, and snowboarding, the computer provides a simulation of the sport from a first- or third- person perspective. The human player controls a participant in the game who competes against other human or computer players. o Games: Individual competitive sports such as: driving, flying, skiing and snowboarding o AI Roles: Tactical enemies, Commentators Anexo II. Revisión de la literatura sobre uso de Inteligencia Artificial (IA) en videojuegos para juegos adaptativos [1] Manu Sharma, Santiago Ontañon, Manish Mehta and Ashwin Ram Drama Management and Player Modeling for Interactive Fiction Games. Computational Intelligence Journal. o Summary: This paper presents C- DraGer, a novel drama management approach deployed in an interactive fiction game. This approach is based on search and CBR. o Contributions: Supported on a plot point representation. Ideal for non- linear plots, various interplaying and branching subplot and multiple endings. Unlike to other approaches, C- DraGer doesn t model how the player plays, but the player s interests. [2] Santiago Ontañon Case Acquisition Strategies for Case- - Based Reasoning in Real- time Strategy Games. The 25th Florida Artificial Intelligence Research Society Conference (FLAIRS 2012)

11 o Summary: This paper focuses on the assessments of 7 different strategies for feeding a CBR database, from a learning from demonstration perspective. o Contributions: Design of Intelligent enemies [3] Darryl Charles and Michaela Black Dynamic Player modelling: A Framework for Player- oriented Digital Games. Proceedings of the International Conference of Computer Games: Artificial Intelligence, Design and Education. o Summary: This paper outlines a framework for creating dynamic player model. The proposed framework has the ability to dynamically mode, remodel, or reclassify a player as they play the game. o Contributions: Classical approach for adaptive games. These ideas are relevant to provide an appropriate level of challenge for each player. [4] John E. Laird and Michael van Lent Human- Level AI s Killer Application- Interactive Computer Games. Artificial Intelligence Magazine. o Summary: This paper discusses the opportunities the use of Artificial Intelligence can provide on the development of different game genres. o Contributions: This paper identifies the different roles that human- level AI can play regarding game genres: enemies, partners, support characters, strategic opponents, low- level units and commentators. [5] Katarzyna Kosciuk User modelling in games. Proceedings of the Fourth Polish and International PD Forum- Conference on Computer Science (FCCS'2008). o Summary: This paper outlines some problems and solutions in user modelling in games. Among the problems this paper mentioned are: training and tutoring, non- - - playable characters, anticipation or prediction.

12 o Contributions: Simple definition of what a player model is. Two simple anticipation algorithms are discussed. [6] Ryan Houlette- Stottler Player modelling for Adaptive games. AI Game Programming Wisdom 2, Charles River Media o Summary: This manuscript focuses on highlighting the basics elements to consider on the design of player models for adaptive games. It also provides examples of a player model's source code. o Contributions: Whenever player model perspective is used. [7] Anne Sullivan, Sherol Chen, Michael Mateas From Abstraction to Reality: Integrating Drama Management into a Playable Game Experience. Proceedings of the AAAI 2009 Spring Symposium on Interactive Narrative Technologies II o Summary: In this paper, authors present the integration of DODM (declarative optimization- based drama management) into a real- time adventure- style dungeon game (EMPath). They also propose several metrics for assessing the drama manager performance. o Contributions: Ideas for implementing and assessing player models. [8] Mark J. Nelson and Michael Mateas Search- Based Drama Management in the Interactive Fiction Anchorhead. Proceedings of the First Artificial Intelligence and Interactive Digital Entertainment Conference (AIIDE). o Summary: This work deals with the drama- management problem: Given a set of plot points, a set of actions the drama manager can take, and an evaluation of story quality, which is the best game story for player according to her experience. o Contributions: Like [1], this work is supported on a plot point representation. Therefore it is ideal for non- linear

13 plots, various interplaying and branching subplot and multiple endings. [9] Lars Lidén Artificial Stupidity: The art of intentional mistakes. AI Game Programming Wisdom 2, Charles River Media. o Summary: This manuscript points out a few tricks for creating stupid but plausible non- player characters. o Contributions: Design of loser enemies. [10] Pedro Pablo Gómez- Martín, David Llanso, Marco Antonio Gómez- Martín, Santiago Ontañon and Ashwin Ram MMPM: a Generic Platform for Case- Based Planning Research. Workshop on Case- Based Reasoning for Computer Games. o Summary: This work proposes a generic platform (MMPM) for connecting AI learning engines to existing games. o Contributions: MMPM generates a set of java classes from a game definition xml file, which includes the elements shown below: entities, goals, sensors and actions.