• Профессионализм киберспортсменов определили по ерзанию в кресле

    Молодые ученые из Центра Сколтеха c помощью искусственного интеллекта нашли взаимосвязь между движениями на стуле и профессионализмом киберспортсмена. Методы машинного обучения успешно предсказывают мастерство игрока в 77% случаев.

    Студенты-магистранты из Сколтеха (Москва), МФТИ (Москва) и ГУАП (Санкт-Петербург) под руководством профессоров Сколтеха Андрея Сомова и Евгения Бурнаева предположили, что есть связь между эффективностью кибератлета в игре и характером его движений в кресле перед компьютером.

    «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. Вряд ли профессиональные игроки и новички реагируют одинаково», — рассказал первый автор исследования, магистрант Сколтеха и МФТИ Антон Смердов.

    Чтобы провести исследование, понадобились добровольцы. Были найдены 19 игроков разных уровней: девять профессионалов и 10 любителей. Их мастерство оценивали наигранными часами. Всем участникам было предложено испытать себя в популярной видеоигре — Counter-Strike: Global Offensive. Сессия длилась от получаса до часа. Для сбора статистических данных использовали акселерометр и гироскоп: приборы просто интегрировали в кресло.

    Профессионализм киберспортсменов определили по ерзанию в кресле | Изображение 1
    Источник фото: пресс-служба Сколтеха

    «Полученные данные были порезаны на трехминутные сессии, так как трех минут движения в кресле достаточно, чтобы понять поведение игрока. В то же время это увеличивает выборку для обучения алгоритмов», — объяснил методику исследования молодой ученый.

    Из каждой сессии ученые извлекали паттерны, по которым можно было бы оценить поведение игрока: как часто он двигается или крутится на кресле для каждой из трех осей, с какой интенсивностью, как часто игрок откидывается на спинку кресла. Суммарно по всем временным интервалам получился 31 паттерн для каждого игрока.

    Ученые выделили восемь самых важных признаков и применили к ним методы машинного обучения. Лучше всего сработал популярный метод Random Forest. В результате удалось достичь 77%-й точности при определении уровня мастерства по трехминутной сессии. Полученные результаты также показали, что профессиональные игроки чаще и интенсивнее двигаются на кресле и ерзают в нем, но при этом сидят неподвижно во время перестрелок и других игровых событий.