本研究は、ゲーム戦闘シーンのユーザー体験向上を目標とし、動的難易度調整のための報酬設計を提案する。
ゲーム戦闘シーンにおいて楽しさとは、フローという時間を忘れるほど熱中し集中している状態を指し、
タスクの難易度とプレイヤーのスキルのバランスが重要となる。
そこで、このバランスを保つためにタスクの難易度を動的に調整する。
本研究では、動的難易度調整を実現するための報酬設計を行い学習する。
使用する環境は VizDoom という First Person Shooter ゲームの研究で用いられるものを使用し、
学習には深層強化学習のアルゴリズムである Deep Q-Network を用いて研究する。