Старший/средний гейм-дизайнер в Staffbit

Создание системы, позволяющей моделировать игровой процесс во многих конфигурациях игровой экономики, где моделируемый игрок - агент - с навыками автономного принятия решений взаимодействует с окружающей средой.

Использование алгоритмов искусственного интеллекта с подкреплением, в частности PPO и IMPALA. Обученный ИИ-агент будет представлять собой нейронную сеть, которая выбирает действие из конечного набора, которое максимизирует ожидаемое вознаграждение. Агент будет иметь ограничения, идентичные физическим ограничениям реального игрока, такие как ограниченность видимой информации и ограничения на выполнение действий. Награда будет рассчитана на основе вашего игрового счета. Обученный агент позволит оценить заданную конфигурацию игровой экономики, в которой он обучался.

Будет выбрана оптимальная конфигурация с точки зрения правил хорошего игрового дизайна, которые будут определены по согласованию со специалистами игрового дизайна, чтобы игрок достиг ожидаемого уровня в игре через определенное время или определенное количество взаимодействий.

Цель следующего этапа — получить модель, которая улучшит монетизацию как минимум на 10%. Конечным результатом проекта станет реализация инновационной технологии, разработанной в ходе НИОКР, в виде набора инструментов для моделирования игровой экономики без необходимости использования исторических данных игроков, для поддержки геймдизайнера в выборе оптимального параметры игры и для создания персонализированных предложений. Разработанная технология объединит методы хранения и анализа больших наборов данных и машинное обучение.

• Интеграция валют с другими элементами игровой экономики, такими как награды, события и предметы, для обеспечения согласованности системы.
• Анализ текущих внутриигровых валютных систем и того, как в настоящее время оцениваются различные предметы.
• Определение основных целей стандартизации, например, упрощение игровой экономики, облегчение понимания игроками ценности предметов, лучшая балансировка игровой экономики.
• Разработка типовой игровой механики
• Анализ и работа над повышением конверсии игроков
• Создание и тестирование сценариев экономического моделирования
• Работы связанные с отображение потока так называемого твердая и мягкая валюта, которая будет общей для экономики мобильных игр.
• Анализ игрового процесса в различных бесплатных играх для двоих с целью создания общей модели основного цикла.
• Работа, связанная с общим PvP. системы игрового процесса между игроками - Категоризация игровых элементов в зависимости от их роли в игре

Создание системы, позволяющей моделировать игровой процесс во многих конфигурациях игровой экономики, где моделируемый игрок - агент - с автономным навыки принятия решений взаимодействуют с окружающей средой.

Использование алгоритмов искусственного интеллекта с подкреплением, в частности PPO и IMPALA. Обученный ИИ-агент будет представлять собой нейронную сеть, которая выбирает действие из конечного набора, которое максимизирует ожидаемое вознаграждение. Агент будет иметь ограничения, идентичные физическим ограничениям реального игрока, такие как ограниченность видимой информации и ограничения на выполнение действий.ция. Награда будет рассчитана на основе вашего игрового счета. Обученный агент позволит оценить заданную конфигурацию игровой экономики, в которой он обучался.

Будет выбрана оптимальная конфигурация с точки зрения правил хорошего игрового дизайна, которые будут определены по согласованию со специалистами игрового дизайна, чтобы игрок достиг ожидаемого уровня в игре через определенное время или определенное количество взаимодействий.

Цель следующего этапа — получить модель, которая улучшит монетизацию как минимум на 10%. Конечным результатом проекта станет реализация инновационной технологии, разработанной в ходе НИОКР, в виде набора инструментов для моделирования игровой экономики без необходимости использования исторических данных игроков, для поддержки геймдизайнера в выборе оптимального параметры игры и для создания персонализированных предложений. Разработанная технология объединит методы хранения и анализа больших наборов данных и машинное обучение.