Эта видеоигра стала частью эксперимента по исследованию применения динамических перцептивно-моторных примитивов (DPMP) для моделирования того, как люди принимают решения о выборе целей. Оказалось, что простая модель DPMP может довольно точно предсказывать траектории игроков и их предпочтения в выборе целей, обеспечивая точность почти в 80% с помощью базового правила.
Эти результаты способны улучшить взаимодействие с искусственным интеллектом и повысить качество управления движением роботов в будущем.
Эксперимент проводили учёные из Университета Маккуори (Австралия), Высшей школы Меридионале, Неаполитанского университета имени Федерико II, Болонского университета и Университетского колледжа Лондона.
Повседневная навигация, такая как ходьба по оживлённой улице или участие в спортивных играх, требует движения к целям, при этом обходя препятствия. Раньше считалось, что в основе подобных действий лежит планирование маршрута, но новые данные указывают на то, что мы двигаемся более интуитивно, выбирая траекторию по мере поступления информации.
По словам исследователей, мозг не выстраивает подробную карту пространства, а реагирует на цели и препятствия в реальном времени. С использованием DPMP, исследователи могут моделировать такое поведение, применяя его как для простых задач, так и для сложной координации групп.
В новой игре участники управляли виртуальными агентами, чтобы загнать одиночную корову или группу коров в загон. Учёные отслеживали их выбор и проверяли, может ли модель DPMP воспроизвести такое поведение. Модель не только повторяла движения игроков, но и точно предсказывала их выбор целей.
Профессор Майкл Дж. Ричардсон из Университета Маккуори отметил три ключевые стратегии в многозадачной игре: игроки выбирали корову, расположенную ближе всего по угловому расстоянию, следовали аналогичной логике для следующей цели и выбирали корову, находившуюся дальше от центра зоны загона. Эти правила позволили DPMP точно предсказать 80% последующих решений игроков.
Подобные игры помогают исследователям воспроизвести сценарии управления агентами, приближенные к реальной жизни. В прежних экспериментах использовался вид сверху, что давало игрокам полный обзор и могло искажать результаты. Чтобы обойти это, команда создала игру с видом от первого лица, приближённую к популярным ролевым видеоиграм.