Auto-ajustement de scénarios de jeux par systèmes multi-agents adaptatifs

Self-tuning of game scenarios through self-adaptative multi-agent systems

• Auteur / Autrice : Luc Pons
• Direction : Pierre Glize, Carole Bernon
• Type : Thèse de doctorat
• Discipline(s) : Intelligence artificielle
• Date : Soutenance en 2014
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Intelligence artificielle répartie

Mots clés libres

Systèmes Multi-Agents

Systèmes Adaptatifs

Jeux sérieux

Résumé

Les jeux vidéo modernes deviennent de plus en plus complexes, tant par le nombre de règles qui les composent, que par le nombre d'entités artificielles qui y interagissent. D'un point de vue purement ludique, mais également en ayant des ambitions pédagogiques, les jeux doivent proposer aux joueurs des expériences qui correspondent à leurs niveaux de compétences et à leurs capacités. La diversité au sein de la population de joueurs rend difficile, voire impossible, de proposer une expérience qui aille à tout un chacun. Différents niveaux et différentes capacités de progression font que différents joueurs ont des besoins distincts. L'adaptation des jeux est proposée comme une solution pour palier ces difficultés. Cette thèse propose un ensemble de concepts afin que des concepteurs de jeux, ou des experts de différents domaines, puissent exprimer des objectifs pédagogiques ou ludiques, ainsi que des contraintes sur les expériences de jeu. La généricité de ces concepts les rend compatible avec une grande varieté d'application, potentiellement hors du domaine du jeu vidéo. Conjointement à ces concepts, nous proposons un système multi-agent conçu pour modifier dynamiquement les paramètres d'un moteur de jeu, afin que celui-ci satisfasse les objectifs définis par les experts ou les concepteurs. Le système est composé d'un ensemble d'agents autonomes, qui représentent les concepts du domaine. Ils n'ont qu'une vue locale de leur environnement et ne connaissent pas la fonction globale du système. Ils ne cherchent qu'a résoudre coopérativement les problème locaux qu'ils rencontrent. De l'organisation des agents émerge la fonctionnalité du système : l'adaptation de l'expérience de jeu menant à la satisfaction des objectifs ainsi qu'au respect des contraintes. Nous avons conduit plusieurs expériences pour démontrer que le système passe l'échelle, et qu'il est résistant au bruit. Le paradigme avec lequel les objectifs doivent être définis est utilisé dans des contextes variés pour démontrer sa généricité. D'autres applications démontrent que le système est capable d'adapter une expérience du joueur même quand les conditions de jeu évoluent significativement au cours du temps.

Modern video games are getting more and more complex, by exhibiting more and more rules, as well as a growing number of co-existing artificial entities. Whether they only have entertainment objectives, or pedagogical ambitions, they need to provide a game experience that matches the skills and abilities of players. The diversity among the player population makes it difficult, if not impossible, to propose a single game that may suit everyone needs. Different skills, preferences, and progression abilities make players need different game experiences at different times. Adaptation of the game experience is advocated as a solution to keep it adequate. This thesis proposes a set a simple concepts in order for domain experts, games designers or others to express pedagogical or entertainment related objectives, as well as constraints on game experiences. By using only elementary concepts, such as measures and parameters, we remain compliant with a large diversity of domains, even outside of the field of video game. Along with the expression of game requirements, we propose a multi-agent system designed to dynamically modify the various parameters of a game engine, so that the game experience satisfies objectives expressed by experts or designers. The system is composed of a set of autonomous agents representing the domain concepts, that only have a local perception of their environment. They are not aware of the global function of the system, and they only seek to cooperatively solve their local problems. From the organization of these agents, the functionality of the system as a whole emerges: dynamic adaptation of a game experience to satisfy objectives and constraints. We conducted several experiments to demonstrate that the proposed system is scalable and noise resilient. The introduced paradigm with which the requirements must be expressed is used in various context to demonstrate its versatility. Other experiments demonstrate that this system is able to effectively adapt the game experience even when the conditions in which the game takes place significantly change over time.