是机器人还是不是？用户对使用深度玩家行为模型替换玩家的感知

视频

DOI

许多在线游戏在因玩家断线或提前退出而导致比赛终止或游戏失衡时会受到影响。虽然基于规则的结果评估或用机器人代替玩家的方法经常被用来缓解这种中断，但这些技术通常被认为是不令人满意的。深度学习方法已在深度玩家行为建模（DPBM）中成功应用于生成非玩家角色或机器人，这些机器人表现出比使用传统人工智能技术建模的更复杂的模式。受这些发现的启发，我们研究了在在线多人动作游戏中，用DPBM代理代替断线玩家时，玩家感知的意识、可信度和代表性。定量和定性结果表明，DPBM代理替代品的表现与人类玩家相似，玩家无法检测到替代。值得注意的是，玩家实际上能够检测到用更传统的启发式驱动的代理进行的替代。