Search

Videospiele sind zu einer beliebten Form der Unterhaltung für Spieler aller Altersgruppen geworden, weshalb dem weltweiten Videospielmarkt bis 2025 ein Umsatz von 269 Milliarden Dollar vorausgesagt wird. Mit der steigenden Nachfrage nach qualitativ hochwertigen Spielen ist der Wiederspielwert ein wichtiges Element für den Erfolg eines Spiels geworden. Das Spektrum der Videospiele reicht von einfachen 8-Bit-Spielen wie Snake bis hin zu komplexeren Spielen, die eine Geschichte erzählen. Der Entstehungsprozess von Videospielen erfordert viele Ressourcen, die sowohl große Entwicklungsteams in AAA-Studios als auch kleinere Teams in Indie-Studios aufbringen müssen. Bestimmte Tools wurden entwickelt, um den Erstellungsprozess zu unterstützen und es den Spielern zu ermöglichen, neue Levels dynamisch zu generieren, während sie das Spiel spielen. Bei diesen Tools handelt es sich um Algorithmen, die Inhalte für Videospiele prozedural generieren können. Das bedeutet, dass der Entwickler nicht mehr jedes Level von Hand erstellen muss, sondern stattdessen Regeln definieren kann, denen der Algorithmus folgen muss, um auf Knopfdruck neue Level zu erstellen. Viele populäre Algorithmen sind für diesen Fall entwickelt worden, einer davon ist der Wave Function Collapse Algorithmus, der von Max Gumin entwickelt wurde. Diese Arbeit konzentriert sich auf die Implementierung des WFC-Algorithmus in der Unity-Spiele-Engine zur prozeduralen Erzeugung von Inseln. Sie untersucht die Herausforderungen, die sich während des Implementierungsprozesses ergaben, und die notwendigen Änderungen, die vorgenommen wurden, um die gewünschten Ergebnisse zu erzielen. Die praktische Umsetzung umfasst die Erstellung eines Videospiels mit prozedural generierten Inseln. Die Ergebnisse zeigen nicht nur verschiedene Herausforderungen auf, wie z. B. die Festlegung von Adjazenzregeln und zusätzliche Techniken zur konsistenten Erzeugung von Inseln, sondern auch, wie der Algorithmus modifiziert werden kann, um diese Herausforderungen zu überwinden und definierte Kriterien zu erfüllen. Video games have become a popular form of entertainment for players of all ages, which is why the global video game market is predicted to generate \$269 billion in revenue by 2025. With the increasing demand for high-quality games, the replayability has become an important element in determining a game's success. Video games can range from simplistic 8-bit games such as Snake to more complex story-driven games. The creation process of video games requires lots of resources, which large development teams in AAA studios as well as smaller teams in indie studios have to produce. Certain tools have been developed to assist in the creation process and enable players to generate new levels dynamically while playing the game. These tools are algorithms that can procedurally generate content for video games, meaning that instead of handcrafting each level by the developer, they can instead define rules that the algorithm has to follow in order to create new levels with the click of a button. Many popular algorithms have been developed for this case, one of which is the Wave Function Collapse algorithm, developed by Max Gumin. This thesis focuses on the implementation of the WFC algorithm within the Unity game engine to procedurally generate islands. It explores the challenges faced during the implementation process and the necessary modifications made to achieve the desired results. The practical implementation involves the creation of a video game featuring procedurally generated islands. The results not only showcase various challenges, such as establishing adjacency rules and additional techniques used to consistently create islands, but also highlight how the algorithm can be modified to overcome these challenges and fulfil defined criteria.

Статья рассматривает преимущества и недостатки цензуры в видеоиграх. Авторы указывают на возможные способы защиты общества от неприемлемого контента, но также ограничения свободы творчества разработчиков и возможное снижение интереса игроков к игре. Разработчики игр и правительственные органы должны взвешивать все аргументы перед принятием решения о цензуре в видеоиграх. Кроме того, делается попытка ответить на вопрос о необходимости этих ограничений в играх. In dem Artikel werden die Vor- und Nachteile der Zensur in Videospielen untersucht. Die Autoren zeigen mögliche Wege auf, die Öffentlichkeit vor inakzeptablen Inhalten zu schützen, aber auch die kreative Freiheit der Entwickler einzuschränken und möglicherweise das Interesse der Spieler am Spiel zu verringern. Spieleentwickler und staatliche Stellen sollten alle Argumente abwägen, bevor sie sich für eine Zensur von Videospielen entscheiden. Darüber hinaus wird versucht, die Frage nach der Notwendigkeit dieser Beschränkungen in Spielen zu beantworten.

Nicht-spielbare Charaktere (NPCs) werden in Videospielen oft durch Behavior Trees gesteuert. Diese sind bekanntermaßen eine gute Wahl, wenn es um komplexe Charaktere geht, die eine Vielzahl an Aktionen überzeugend darstellen sollen. Jedoch erfordern Behavior Trees auch einen signifikanten Implementierungsaufwand, was oft dazu führt, dass Entwickler oft zu simpleren Modellen wie Finite State Machines (FSMs) greifen, obwohl diese womöglich kein vergleichbares Resultat liefern. Das ist im Speziellen bei einfachen NPCs der Fall. Da diese oft nur eine begrenzte Anzahl simpler Aktionen durchführen können ist eine FSM ausreichend. Dies jedoch limitiert die Wiederverwendbarkeit zwischen einfachen und komplexen Charakteren dramatisch, und führt überdies zu einer Grauzone, in welcher möglicherweise FSMs verwendet werden, obwohl sie bereits zu komplex werden. Wäre es möglich Behavior Trees automatisch zu trainieren, würde es deren Implementierungsaufwand verringern, und sie auch in Situationen, in denen es um simple NPCs geht zur besseren Wahl machen. In dieser Arbeit wird das Automatische Trainieren von Behavior Trees mittels evolutionären Trainings untersucht. Zu diesem Zweck wird ein Entwicklungsumgebung implementiert, welche Werkzeuge zum Untersuchen, Verändern, Laden und Speichern von Behavior Trees bietet, und überdies eine Simulationsumgebung zur Verfügung stellt, in welcher in weiterer Folge einige Behavior Trees trainiert werden. Die Behavior Trees, die in der Simulation trainiert wurden, passen sich in den meisten Fällen perfekt an ihre Umgebung und die Charakteristika des NPCs an. Obwohl die Simulationsumgebung noch Verbesserungspotential aufweist ist die generelle Idee, Behavior Trees automatisch mittels evolutionären Lernens zu trainieren vielversprechend, speziell in Fällen in denen es normalerweise nicht effizient scheinen würde, Behavior Trees manuell zu implementieren. Non-Player Characters (NPCs) in video games are often controlled by behavior trees. They are well known to be a good choice when dealing with complicated characters that should be able to perform a variety of actions convincingly. However, their implementation effort is significant, which often leads developers to using simpler models, like Finite State Machines (FSMs), even though this might not result in an equally good result. This is especially true when looking at simple NPCs. Since they are often only required to perform a limited amount of simple actions, a FSM is sufficient. However, this limits the potential of re-usability between simple and complex NPCs significantly, while also leading to a grey area in which FSMs might be used, even though they are already getting too complex. Training behavior trees automatically would lessen their implementation effort, making them a better choice, even in situations regarding simple NPCs. This thesis takes a look at training behavior trees automatically using evolutionary training. For that purpose, an Integrated Development Environment (IDE) is implemented, which offers tools for inspecting, editing, loading, and saving behavior trees, as well as a simulation environment which is then used to train several behavior trees. The behavior trees trained in the simulation environment adapt perfectly to their environment and NPC's characteristics most of the time. Even though the simulation environment could be improved upon, the idea of using evolutionary training to train behavior trees shows significant promise, especially in cases where manually setting them up might not seem worth it.

Speedrunning in general means to go fast in a video game. This simple concept has an immense impact on the ways players engage with games. The inherent aspect of optimization within this esports niche makes it a good application field of optimization methods. This work gives an overview of speedrunning as an esports discipline. Prior works on this subject are discussed and assessed and relevant nomenclature is introduced. Using this information, routing --- the procedure of planning a speedrun --- is picked up as a graph optimization problem. Nintendo's iconic game The Legend of Zelda: Ocarina of Time from 1998 is used as a working example to assess previous works and to explore more of this mainly uncharted field of research.To do so, the process of speedrun modeling is conducted as exhaustive as possible within the limits of a work like this. All relevant steps to obtain a faithful model are lined out. This procedure yields a partial game graph with 6764 nodes and approx. 321,022 edges --- some uncertainty included. Current pathfinding techniques are discussed and assessed regarding their applicability to the presented speedrun routing problem. The resulting graph model and algorithmic approaches present a good reference to identify the most promising points of improvement. Challenges, flaws and possible solutions to still standing problems are discussed and assumptions from prior works are assessed. Finally, further tracks of scholarly and community work in this area are suggested and possible extensions to the approach are lined out. It is shown that speedrun routing is not a trivial shortest path problem that can be solved with conventional methods. Furthermore, it is made clear that different games can have vastly differing routing circumstances. Assumptions of other works have been assessed using a working example and many interesting challenges and fields of further study and research in the field of speedrunning have been identified. Some probabilistic pathfinding methods and current works on AI agents for games pose interesting approaches which can be extended on by utilizing the findings of the presented work. Specialized modeling and optimization techniques have to be employed in order to have a positive effect on the speedrunning community.

Dieser Beitrag unterbreitet methodische Vorschläge zum Einsatz von Computerspielen im Literatur- bzw. Deutschunterricht am Beispiel von „The Lion's Song“. (Autor)

Visual effects and elements in video games and interactive virtual environments can be applied to transfer (or delegate) non-visual perceptions (e.g. proprioception, presence, pain) to players and users, thus increasing perceptual diversity via the visual modality. Such elements or efects are referred to as visual delegates (VDs). Current fndings on the experiences that VDs can elicit relate to specifc VDs, not to VDs in general. Deductive and comprehensive VD evaluation frameworks are lacking. We analyzed VDs in video games to generalize VDs in terms of their visual properties. We conducted a systematic paper analysis to explore player and user experiences observed in association with specifc VDs in user studies. We conducted semi-structured interviews with expert players to determine their preferences and the impact of VD properties. The resulting VD framework (VD-frame) contributes to a more strategic approach to identifying the impact of VDs on player and user experiences.

Über das Medium Computerspiel findet zunehmend eine Auseinandersetzung mit psychologischen Traumata statt. Posttraumatische Belastungsstörung, Krankheit und Tod sowie Depressionen und Phobien sind hierbei vorherrschende Themen und Motive. Thomas Spies zeigt in einem historischen Überblick und in vergleichenden Analysen Tendenzen der kulturellen Repräsentation auf. Die Beschäftigung mit Titeln wie »Papers, Please«, »Hellblade: Senua's Sacrifice« und »Disco Elysium« lässt deutlich werden, wie Computerspiele zunehmend medienspezifische Möglichkeiten finden, die Vielfalt und Komplexität traumatischer Erfahrungen zu vermitteln.

Angst vor Zurückweisung und Probleme der Regulation von Nähe und Distanz führen zu einem hohen Leidensdruck für Patientinnen mit Borderline-Persönlichkeitsstörung (BPS). Daher wurde untersucht, wie sich bei BPS-Patientinnen im Vergleich zu einer gesunden Kontrollgruppe erfahrene soziale Ablehnung darauf auswirkt, sich in darauffolgenden Situationen an emotionale Stimuli anzunähern oder diese zu vermeiden. Die Teilnehmerinnen erfuhren soziale Ausgrenzung durch ein virtuelles Ballspiel (Cyberball). Daraufhin wurde Annäherungs- und Vermeidungsverhalten mit Hilfe des sogenannten AAT (Approach-Avoidance Task) untersucht. Im AAT zeigten die Patientinnen weniger Annäherungsverhalten an fröhliche Gesichtsausdrücke und ihr Annäherungs- und Vermeidungsverhalten war allgemein weniger stark ausgeprägt als das der Kontrollgruppe. Die Patientinnen fühlten sich nach sozialer Zurückweisung wütender und unwohler; dennoch zog dies kein verändertes Annährungs- oder Vermeidungsverhalten nach sich.

Wir stehen mitten in einer zweiten Digitalisierungswelle, die unseren Alltag und unsere Arbeitswelt erfasst. Dies gilt auch für die Architektur. Neu geht es dabei nicht mehr nur um das Einlesen und Darstellen von Daten oder das Produzieren von virtuellen Räumen und Objekten, sondern vielmehr um die Möglichkeiten von deren Verknüpfung und Weiterverarbeitung. Bezeichnungen wie «Internet der Dinge» oder smarte Technologien und darauf aufbauend Konzepte wie Smart Cities suggerieren die totale Vernetzung von Objekten, Räumen und Menschen über Algorithmen. Die Verknüpfung unserer physischen mit der digitalen Welt wird vielfältiger und komplexer. Was bedeutet dies für die Architektur, das Bauen und für die Architekturausbildung? Welche digitalen Werkzeuge und Programme kommen zum Einsatz und wie werden sie genutzt für das Planen und die Ausführung, die Gestaltung unserer physischen Umwelt?

Künstliche Intelligenz (KI) ist eine Technologie die heutzutage vielfältig eingesetzt wird, und die Anzahl der Anwendungen steigt täglich. In den meisten Gebieten wird KI im Hintergrund eingesetzt, sei es zur Analyse von Daten, Stimmerkennung oder für die Erstellung von Vorhersagen. Der Benutzer sieht üblicherweise nur das Resultat, während der genaue Prozess dahinter verborgen bleibt. In Spielen wird KI jedoch oft eingesetzt um sogenannte Nicht-Spieler-Charaktere (NPCs) zu kontrollieren. In diesem Fall kann die Spielerin*der Spieler die Entscheidungen und Aktionen der KI direkt beobachten, und der Entscheidungsfindungsprozess wird wesentlich offensichtlicher. Dies führt zu einer Reihe neuer Herausforderungen, da von der KI nicht nur gute, sondern auch natürlich wirkende Entscheidungen erwartet werden. Diese Arbeit betrachtet den derzeitigen Stand der Technik, vergleicht verschiedene Technologien, und analysiert welche Qualitätsanforderungen an eine gute NPC KI gestellt werden. Zu diesem Zweck wird auch die Leistungsfähigkeit derzeit verfügbarer Spiele untersucht. Es stellt sich heraus, dass Behavior Trees den größten Handlungsspielraum für diese Anwendung bieten. Nicht nur indem sie die KI natürlich agieren lassen, sondern auch durch Ihre Struktur und dadurch, dass sie die Möglichkeit bieten die Schwierigkeit durch Anpassung von Parametern des Behavior Trees zu ändern. Die Arbeit schließt mit einer grundlegenden Implementierung einer KI ab, die verwendet werden kann um einen simulierten Wolf zu kontrollieren. Teile dieser KI wurden mit generierten Daten trainiert, welche durch reale Daten ersetzt werden könnten. Es wird gezeigt, dass eine Änderung der Agenden und Prioritäten der Wölfe zu unterschiedlichem Verhalten führt, welches wiederum ihre Erfolgschancen in der Simulation beeinflusst. Dies legt den Grundstein für eine komplexere KI welche auch während des Spieles lernen und sich über mehrere Generationen entwickeln kann. Artificial Intelligence (AI) is a technology that is widely used nowadays, and the number of applications is increasing every day. In most areas, AI is used in the background, performing analysis of data, image or voice recognition, and making predictions. The user usually only sees the result, and the exact process behind it is mostly obscured. In games however, AI is often used to control non-player characters (NPCs). In this case, the player directly observes the decisions and actions of the AI, and the decision making process becomes much more obvious. This leads to a completely new set of challenges, since the AI is not only asked to make good decisions, but also ones that seem natural. This thesis takes a look at the current state of the art, compares different technologies, and discusses what qualities are expected of a good NPC AI, also taking a look at the performance of currently available games. It finds that behavior trees offer the most versatility in this regard, not only in making the AI act natural, but also in terms of structure and by offering the possibility of adjusting the difficulty by changing parameters of the behavior tree. The thesis concludes with a basic implementation of an AI for controlling a simulated wolf. Parts of the AI were trained using generated data, which could be replaced by real world data. It is shown that changing the agendas and priorities of the wolves changes their behavior and how well they succeed in different simulations, laying the foundation for a more complex AI, capable of learning during the game and evolving over multiple generations.