Bubbleu：探索基于不确定AI交互的增强现实游戏设计

文献标题

Bubbleu: Exploring Augmented Reality Game Design with Uncertain AI-based Interaction

文献信息

• 主题领域: 以不确定性人工智能为基础的增强现实互动游戏设计
• 关键词: 增强现实、电脑视觉、互动设计、人机交互、不确定AI

研究背景与问题

• 发现的问题或挑战:

  • 新兴的增强现实（AR）游戏利用对象检测技术实现逼真的虚拟互动，但深度神经网络（DNN）的统计性质使得这些方法不可避免地下存在识别错误。
  • 对象检测错误会对游戏体验产生负面影响，例如不准确的物体识别或错误交互。
  • 当前研究主要集中在人工智能不确定性对交互的影响，游戏领域尚属未完全探索的领域。

• 为什么这个问题重要:

  • AR游戏设计需要克服因技术错误导致的游戏体验下降。
  • 对象检测技术的错误不仅影响用户控制，还影响游戏的沉浸感和趣味性。
  • 随着AI解决方案快速应用于AR场景分析，探索这一领域有助于提高未来游戏的用户体验。

• 研究动机与相关工作:

  • 既往研究已有针对聊天机器人、推荐系统等AI驱动应用的不确定性设计，但对游戏特别是AR游戏的研究不足。
  • 游戏领域独特：玩家对互动和技术错误的容忍度可能与其他领域不同。
  • 提出设计指南和机制以改善AI错误下的游戏体验是重要议题。

解决方案

• 提出的基本解决方案:

  • 开发了一款基于对象检测的AR宠物养成游戏Bubbleu，以此为基础测试三个设计理念：模糊性、透明度、可控性。
  • 具体通过实验和设计改进，探索如何减轻对象检测错误并优化游戏体验。

• 创新点:

  • 第一款专门研究AR游戏中的对象检测不确定性处理的学术设计。
  • 提出了三种游戏设计改进的方向（模糊性、透明度、可控性），以应对不同对象检测错误的影响。

• 实施步骤与关键技术:

  • 需求阶段：探讨对象检测技术及其错误对游戏设计的影响，打造基本版本“Bubbleu-基线版”。
  • 改进阶段：设计模糊性（隐藏细节减少错误感知）、透明度（为用户提供检测解释）和可控性（让用户调节检测参数）的游戏变体。
  • 实验阶段：对36名用户展开自由和控制情况下的游戏试验，观察用户对改进设计的接受度与反馈。

研究成果

• 具体成果:

  • 不同设计理念在改善用户体验方面效果各异：
    • 模糊性设计成功减少了用户对错误的感知，但可能引发玩家的意图混淆；
    • 透明度设计揭示了错误并帮助用户理解系统，使用户能够改善对物体检测的操作；
    • 可控性设计增强了玩家对系统的掌控能力，提高了游戏互动数量，但同时增加了错误率。
  • 在实验中，模糊性设计提高了互动成功率（例如提升了20%）；透明度设计改善了自由游戏中的成功体验。

• 相较现有解决方案的优势:

  • 提供具体的设计框架与策略，使得AI误差能够在游戏领域被更好地处理。
  • 模糊性与透明度设计为快速扩展对象检测在休闲游戏中的应用提供了实际参考。

• 实验或评估结果:

  • 玩家偏好透明度和可控设计（尤其是“自定义阈值”功能），但不同玩家对每种设计的需求不同。
  • 模糊设计虽然隐藏了错误，但部分玩家认为模糊表达影响了互动的清晰性。

• 局限性与未来方向:

  • 局限性：
    • 用户群体规模较小（36人），且来自单一局域（韩国）。
    • 对游戏类型和AI模型的扩展研究较少，仅聚焦于宠物养成类游戏。
    • 玩家对部分功能的直观操作效果存在主观偏好，需进一步大样本验证。
  • 未来方向：
    • 扩展研究到更大范围的用户样本以及其他区域。
    • 探索多种游戏类型中的设计优化，例如动作游戏或AR社交平台。
    • 提高AI模型的鲁棒性，以及针对多种对象检测技术完善系统设计。

通过该研究，作者提供了新兴AR互动游戏设计中使用AI对象检测的宝贵指导意见，并为设计人员提供了具有现实意义的设计框架。