Naukowcy z Instytutu Nauki i Technologii w Skołkowie, Moskiewskiego Instytutu Fizyki i Technologii (MIPT) oraz Państwowego Uniwersytetu Instrumentacji Kosmicznej (SUAI) twierdzą, że odkryli metodę oceny umiejętności gracza w e-sportowych grach komputerowych - monitorując, w jaki sposób siedzi na krześle podczas rozgrywki.
"Zakładaliśmy, że może istnieć związek między ruchami ciała gracza a poziomem umiejętności" - wyjaśnia główny autor i student Instytutu Skołkowiego, Anton Smerdov. "Ciekawie było też spojrzeć na reakcję graczy na różne wydarzenia w grze, takie jak zabójstwa, zgony lub strzelaniny. Podejrzewaliśmy, że profesjonalni gracze i początkujący zareagowaliby inaczej na to samo wydarzenie".
Aby przetestować ten pomysł, zespół zaprosił 9 profesjonalnych graczy i 10 amatorów. Następnie obserwował ich rozgrywkę w popularny e-sportowy tytuł Counter-Strike: Global Offensive (CS: GO) przez 30 do 60 minut. W fotelu używanym do każdej sesji gry znajdował się żyroskop i akcelerometr, zbierający informacje o ruchach gracza podczas sesji gry. "Następnie dzielimy dane na 3-minutowe sesje", wyjaśnia Smerdov, "zakładając, że trzy minuty wystarczą, aby zrozumieć zachowanie gracza i uzyskać próbkę wystarczająco dużą do nauki algorytmów".
Po zidentyfikowaniu 31 wzorców ruchu sprowadzonych do ośmiu kluczowych cech, zespół przeanalizował dane za pomocą algorytmu uczenia maszynowego, którego zadaniem była jak najlepsza ocena poziomu umiejętności danego gracza. Uzyskanym wynikiem było dokładne oszacowanie umiejętności gracza w 77 procentach przypadków.
Badanie wykazało, że profesjonalni gracze, w przeciwieństwie do amatorów grających mniej w ciągu doby, poruszali się zarówno częściej, jak i bardziej żywiołowo. Ulegało to jednak odwróceniu podczas strzelania i innych działań w grze wymagających koncentracji i dokładnej kontroli motorycznej. Podczas kluczowych zdarzeń dla rozgrywki profesjonaliści po prostu nieruchomieli, koncentrując się na zadaniu.
Artykuł zespołu zatytułowany "Zrozumienie zachowań cybernetycznych sportowców poprzez inteligentne krzesło" został opublikowany w ramach konferencji IEEE 5 Światowego Forum na temat Internetu Rzeczy.
"Zakładaliśmy, że może istnieć związek między ruchami ciała gracza a poziomem umiejętności" - wyjaśnia główny autor i student Instytutu Skołkowiego, Anton Smerdov. "Ciekawie było też spojrzeć na reakcję graczy na różne wydarzenia w grze, takie jak zabójstwa, zgony lub strzelaniny. Podejrzewaliśmy, że profesjonalni gracze i początkujący zareagowaliby inaczej na to samo wydarzenie".
Aby przetestować ten pomysł, zespół zaprosił 9 profesjonalnych graczy i 10 amatorów. Następnie obserwował ich rozgrywkę w popularny e-sportowy tytuł Counter-Strike: Global Offensive (CS: GO) przez 30 do 60 minut. W fotelu używanym do każdej sesji gry znajdował się żyroskop i akcelerometr, zbierający informacje o ruchach gracza podczas sesji gry. "Następnie dzielimy dane na 3-minutowe sesje", wyjaśnia Smerdov, "zakładając, że trzy minuty wystarczą, aby zrozumieć zachowanie gracza i uzyskać próbkę wystarczająco dużą do nauki algorytmów".
Po zidentyfikowaniu 31 wzorców ruchu sprowadzonych do ośmiu kluczowych cech, zespół przeanalizował dane za pomocą algorytmu uczenia maszynowego, którego zadaniem była jak najlepsza ocena poziomu umiejętności danego gracza. Uzyskanym wynikiem było dokładne oszacowanie umiejętności gracza w 77 procentach przypadków.
Badanie wykazało, że profesjonalni gracze, w przeciwieństwie do amatorów grających mniej w ciągu doby, poruszali się zarówno częściej, jak i bardziej żywiołowo. Ulegało to jednak odwróceniu podczas strzelania i innych działań w grze wymagających koncentracji i dokładnej kontroli motorycznej. Podczas kluczowych zdarzeń dla rozgrywki profesjonaliści po prostu nieruchomieli, koncentrując się na zadaniu.
Artykuł zespołu zatytułowany "Zrozumienie zachowań cybernetycznych sportowców poprzez inteligentne krzesło" został opublikowany w ramach konferencji IEEE 5 Światowego Forum na temat Internetu Rzeczy.