Математика и Computer Science

Движения киберспортсменов в кресле позволили выявить их уровень

CyberSport Tj/Facebook

Российские исследователи разработали алгоритм на основе машинного обучения, который может определить профессионализм киберспортсмена по его движениям в игровом кресле. Результаты работы были представлены на форуме V международной конференции IEEE по проблемам Интернета вещей.

В последние несколько лет компьютерные игры превратились из детского развлечения в настоящий спорт. Стать профессиональными игроками мечтают миллионы людей всех возрастов, и соразмерно их количеству растут призовые за победы в соревнованиях. Неудивительно, что и ученые начинают проявлять интерес к психологии игроков и их поведению во время матчей.

Молодые исследователи из Сколковского института науки и технологий, МФТИ и Санкт-Петербургского государственного университета аэрокосмического приборостроения решили найти связь между эффективностью киберспортсмена в игре и характером его движений в кресле. Для этого они пригласили 19 человек, девять из которых были профессиональными игроками, а десять — любителями. По словам ученых, им было интересно узнать не только связь между движениями игрока в кресле и его уровнем игры, но и выяснить, как профи и обычные люди реагируют на разные действия в игре (смерть, убийство противника или напряженная перестрелка).

Мастерство игроков оценивали аналогично тому, как измеряют мастерство пилотов — количеством часов, проведенных в игре. Всем испытуемым предложили сыграть в популярную компьютерную игру Counter-Strike: Global Offensive (CS:GO) от получаса до часа. Для сбора данных исследователи использовали акселерометр и гироскоп, интегрированные в кресло.

«Полученные данные были порезаны на трехминутные сессии, так как этого количества движений в кресле достаточно, чтобы понять поведение игрока. В то же время это увеличивает выборку для обучения алгоритмов», — поясняет первый автор исследования, магистрант Сколтеха Антон Смердов.

Из каждой сессии ученые извлекали паттерны, по которым можно оценивать поведение игрока: с какой частотой и интенсивностью он двигается или крутится на кресле для каждой из трех осей и как часто откидывается на спинку кресла. Суммарно для всех временны́х интервалов получился 31 паттерн на каждого игрока. С помощью методов статистики молодые ученые выделили восемь самых важных признаков и применили к ним методы машинного обучения.

Лучше всего сработал популярный алгоритм Random Forest, продемонстрировавший точность в 77% при определении уровня мастерства. Также полученные результаты показали, что профессиональные игроки в целом чаще и интенсивнее двигаются на кресле, но при этом сидят неподвижно во время перестрелок и других напряженных моментов.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.