Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Предсказуемый киберспорт: движения в кресле позволяют отличить профессионального игрока от любителя
Группа молодых ученых из Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) c помощью искусственного интеллекта определила, как движения в кресле могут выдать в киберигроке профессионала.
Методы машинного обучения успешно предсказывают мастерство игрока в 77 % случаев. Результаты работы были представлены на престижном форуме — V международной конференции IEEE по проблемам Интернета людей (IoP 2019), где получили приз за лучшую научную работу.
За последние несколько лет киберспорт прошел путь от видеоигр для школьников до целой спорт-индустрии c профессиональными командами, тренерами и большими инвестициями. Как и в любом другом спорте, кибератлеты бывают профессионалами и любителями, и понимание того, как отличить одних от других, важно для оптимизации тренировочного процесса.
Студенты-магистры из Сколтеха (Москва), МФТИ (Москва) и ГУАП (Cанкт-Петербург) под руководством профессоров Сколтеха Андрея Сомова и Евгения Бурнаева решили найти связь между эффективностью кибератлета в игре и характером его движений в кресле.
«Мы предположили, что между “стилем” движения игрока в кресле и его мастерством есть связь. В то же время было интересно посмотреть, как игроки реагируют на игровые события (когда игрок убивает, умирает, или идет перестрелка). Вряд ли профессиональные игроки и новички реагируют одинаково», — рассказывает первый автор исследования, магистрант Сколтеха Антон Смердов.
Для эксперимента были приглашены 19 игроков разных уровней: девять профессионалов и десять любителей. Мастерство игроков оценивали аналогично тому, как измеряют мастерство пилотов —наигранными часами. Всем было предложено играть в популярную видеоигру Counter-Strike: Global Offensive (CS:GO) от получаса до часа. Для сбора данных использовались акселерометр и гироскоп, интегрированные в кресло.
«Полученные данные были порезаны на трехминутные сессии, так как трех минут движений в кресле достаточно, чтобы понять поведение игрока. В то же время это увеличивает выборку для обучения алгоритмов», — поясняет Антон Смердов.
Из каждой сессии ученые извлекали паттерны, по которым можно оценивать поведение игрока: с какой частотой и интенсивностью он двигается или крутится в кресле для каждой из трех осей и как часто откидывается на спинку кресла. Суммарно для всех временных интервалов получился 31 паттерн на каждого игрока. С помощью методов статистики выделили восемь самых важных признаков и применили к ним методы машинного обучения.
Лучше всего сработал популярный метод Random Forest, продемонстрировавший семидесятисемипроценую точность при определении уровня мастерства по трехминутной сессии. Также полученные результаты показали, что профессиональные игроки в целом чаще и интенсивнее двигаются в кресле, но при этом сидят неподвижно во время перестрелок и прочих игровых событий.
Работа над проектом началась в рамках курса Introduction to Internet of Things и инициативы Киберакадемии Сколтеха и продолжается в рамках грантов программы Сколтеха STRIP, РФФИ и киберспортивного стартапа Head Kraken.
Научная группа ученых Сколтеха, занимающихся исследованиями в области определения психоэмоционального состояния кибератлетов под руководством профессоров Андрея Сомова и Евгения Бурнаева, с 2018 года применяет датчики для комплексного сбора данных, а также методы машинного обучения для изучения психологического и физического состояния игроков. Для анализа используют данные о пульсе, сопротивлении кожи, направлении взгляда, движении рук, данные об окружающей среде (температура, влажность, уровень углекислого газа), игровой телеметрии и другие.
Telegram 
Дзен 
VK От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На скалистых берегах аргентинской Патагонии разворачивается настоящая драма. Магеллановы пингвины, долгое время чувствовавшие себя в безопасности на суше в своих многотысячных колониях, столкнулись с новым и беспощадным врагом. Их извечные морские страхи — касатки и морские леопарды — теперь блекнут перед угрозой, пришедшей из глубины материка. Виновник переполоха — грациозный и мощный хищник, недавно вернувшийся на эти земли после долгого изгнания.
Среди самых интригующих открытий космического телескопа «Джеймс Уэбб» — компактные объекты, получившие название «маленькие красные точки». Их видели только в самых дальних уголках Вселенной. Большинство возникло в первый миллиард лет после Большого взрыва, и ученые предполагали, что такие источники представляют собой небольшие компактные галактики. Однако международная команда астрономов пришла к иному выводу. Они предположили, что на самом деле «маленькие красные точки» — черные дыры, окруженные массивной газовой оболочкой.
Ученые задались вопросом: почему два расположенных по соседству спутника Юпитера такие разные, ведь на Ио повсеместно извергаются вулканы, а Европа полностью покрыта многокилометровой коркой льда. Есть версия, что Ио когда-то тоже была богата водой, но по итогам недавнего исследования это сочли неправдоподобным.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Последние комментарии