Pelaajasta kerätyn tiedon käyttäminen pelin vaikeustason nostamisessa

Abstract

Opinnäytetyöni tutkii dynaamisen vaikeustason säätelyn sovellutuksia peleissä. Opinnäytetyössä vastataan seuraaviin kysymyksiin: millainen dynaaminen vaikeustason säätely on toiminut, millainen ei ole toiminut ja miten dynaamista vaikeustason säätelyä tulisi käyttää. Opinnäytetyön teoriaosuudessa perehdytään dynaamisen vaikeustason hyviin ja huonoihin puoliin. Teoriaosuudessa esitellään esimerkkejä, joissa dynaamisessa vaikeustason säätelyssä on onnistuttu tai ei ole onnistuttu. Lisäksi opinnäytetyössä on lyhyt katsaus proseduraaliseen sisällön generointiin, jota käytetään vaihtelun luomiseen peliprototyypissä.

Opinnäytetyön käytännön osuudessa toteutettiin 2D-ammuskelupeli, jossa pelaaja käy kaksintaisteluita tekoälyvastustajaa vastaan proseduraalisesti generoiduissa kentissä. Tekoälyvastustaja säätää omaa alustaan jokaisen tappion jälkeen pelaajasta keräämänsä tiedon perusteella. Teoriaosuuden tutkimuksen pohjalta peliprototyypin alustaksi valittiin Unity3D-pelimoottori.

Opinnäytetyön tuloksena syntyi peliprototyyppi, joka kerää tietoa pelaajasta ja luo kerättyjen tietojen pohjalta uusia vihollisia.

This thesis studies dynamic difficulty adjustment, and how it has been used in video games. This thesis answers the following research questions: what kind of dynamic difficulty adjustment works, what does not work, and how should dynamic difficulty adjustment be used. The theoretical part of the thesis examines the advantages and disadvantages of dynamic difficulty adjustment. The theoretical part contains examples of games that have either succeeded or failed in the creation of the dynamic difficulty. Additionally, a brief look into procedural content creation is taken. It is used to create variety in the game prototype.

In the practical part of the thesis a prototype of a 2D shooting game was created. In the prototype the player has duels in procedurally generated levels against an opponent controlled by the Artificial Intelligence. The AI opponent adjusts itself after every defeat by examining information collected from the player. Based on the research in the theoretical part, Unity3D was chosen as the platform of the prototype.

The end result of this project was a prototype that collects information from the player and creates new AI opponents based on the information collected.