Evolving in-game opponents with NEAT and evaluating its effect on brain activity with fMRI

Abstract

Denne masteroppgaven utforsker bruken av nevroevolusjon, mer spesifikt Neuroevolution of Augmenting Topologies (NEAT), til å skape dynamiske og engasjerende motstandere i videospill. Vår forskning benyttet funksjonell magnetisk resonansavbildning (fMRI) for å analysere hjernaktiviteten til 13 deltakere (i alderen 21 til 26 og 3,76/5 gjennomsnittlig selv-rapportert spillerfaring) mens de spilte et dodgeball videospill mot tre forskjellige motstandere. Disse motstanderne ble utviklet med intensjonen om å ha unik atferd, for å sammenligne hjernaktiviteten ved spill mot hver individuell motstander. De resulterende dataene avslørte en økt aktivering i hjerneområdene amygdala og nucleus accumbens under spill mot motstanderen utviklet med NEAT, sammenlignet med tradisjonelle AI-motstandere og motstandere utviklet med reinforcement learning. Disse hjerneområdene er ofte assosiert med emosjonell prosessering, læring og belønningsprosessering. Videre fremhevet selvrapporterte data gjennom spørreskjemaer og spillytelsesdata den overlegne ytelsen til NEAT agenten i form av vurdert unik strategi, balansert utfordring, følelse av mestring, lavest frustrasjon og høyest underholdningsverdi. Motstanderen utviklet med NEAT presterer også bedre enn de andre motstanderne i form av metrikker som tyder på en forhøyet tilstand av 'flow' for deltakerne. Funnene fra den atferdsmessige og nevrologiske dataen antyder at implementering av NEAT i utviklingen av spill-motstandere betydelig forbedrer opplevelsen av spiller mot agent spill.

This master thesis explores the utilization of neuroevolution, specifically Neuroevolution of Augmenting Topologies (NEAT), in creating dynamic and engaging opponents in video games. Our research employed functional magnetic resonance imaging (fMRI) to analyze 13 participant's (aged from 21 to 26 and 3.76/5 average self rated gaming experience) brain activity while playing a dodgeball video game against three different opponents. These opponents were developed with the intention of having unique behavior, to compare the brain activity provided by play against each individual opponent. The resultant data revealed an elevated activation in brain regions amygdala and nucleus accumbens during play against the opponent developed with NEAT, when compared to traditional AI opponents, and opponents developed with reinforcement learning techniques. These brain regions are often associated with emotion processing, learning and reward processing. Furthermore, self-reported data through questionnaires and game performance data highlighted the superior performance of the NEAT agent in terms of rated unique strategy, balanced challenge, sense of mastery, lowest frustration and highest entertainment value. The opponent evolved with NEAT also outperforms the other opponents in terms of metrics suggesting a elevated state of flow for participants. The findings in behavioral and neurological data suggest that implementing neuroevolution in the development of in-game opponents significantly enhances the experience of player-versus-agent gaming.