信息学院李权课题组在人机交互与普适计算领域取得科研进展

多人在线战术竞技游戏（MOBA）已成为电子竞技中备受欢迎的领域。如何通过人工智能与人机交互结合的方式帮助专业教练在专业比赛中为MOBA游戏的英雄“禁用/选择”提供建议和预测是一大难题。近日，李权课题组提出了AI辅助的人机交互系统BPCoach，可以辅助教练及选手完成相应的决策过程，该成果以“BPCoach: Exploring Hero Drafting in Professional MOBA Tournaments via Visual Analytics”为题，在人机交互与普适计算领域重要学术会议CSCW (ACM Conference on Computer Supported Cooperative Work and Social Computing)在线发表。

在MOBA游戏中，两支五人团队进行对战，目标是摧毁对方的基地获得胜利。每位选手掌控一个角色（英雄），并与队友合作攻击敌对团队。这些游戏提供了100多位英雄，导致近10¹⁶个可能的英雄组合。现有英雄选择辅助系统支持专业比赛的英雄“禁用/选择”面临挑战，这包括游戏内的“禁用/选择”的复杂规则、对手的个性化策略、游戏内更新等因素。

为解决这一问题，研究团队与业内教练、专业选手等深入交流，进行了观察性研究。随后，研究团队提出了“BPCoach”系统，它采用了蒙特卡罗树搜索（MCTS）、马尔可夫链和随机森林，对各选择路径进行模拟评估，并提供了可视化和交互，呈现了最佳和备选的选择路径、特定的团队或选手数据、英雄数据和游戏内变更数据。此外还结合交互和辅助视图，以帮助用户探索信息并做出有利的决策。

图1.英雄选择MCTS算法包括以下四个阶段：1）选择阶段：从根节点开始，根据Upper Confidence Bound (UCT)准则选择子节点，直到达到叶节点。UCT准则用于平衡探索和利用，倾向于探索估计值较高的节点。2）扩展阶段：在达到叶节点之前，随机选择一个潜在动作应用于该节点。使用马尔可夫链预测模型列出所有可能的动作，以减少搜索时间。3）模拟阶段：在扩展新节点后，通过随机采样模拟游戏的剩余部分，遵循基本规则。4）回传阶段：将每个节点的奖励从子节点传播回根节点。这有助于更新节点的估计值。

图2. BPCoach英雄选择AI辅助的人机交互系统界面：(a) BP视图：支持当前英雄选择阶段的用户控制，显示全局玩家信息。(b) 选择路径视图：展示选择推荐和预测路径(b2)，突出显示感兴趣路径中的玩家状态(b1)，并允许在分数对比下选择不同路径 (b3)。(c) 玩家视图：横向对比双方队伍玩家英雄特长数据。(d) 英雄视图：提供英雄基本信息和与其他英雄的关系图。(e) 队伍视图：以雷达图形式对比双方队伍整体实力和细项强项，并通过词云展示关键词。(f) 在线更新视图：以时间线形式呈现更新前后英雄状态的对比，观察游戏调整的影响。

实战验证表明，该系统能够有效提升教练的决策水平和效率，为电子竞技行业的增长和成熟提供了新的可能性。这一创新不仅提升了比赛体验，还有望在电子竞技社区中产生深远的社会和文化影响。

此项工作由上海科技大学信息科学与技术学院的李权课题组与广州TTG战队（王者荣耀KPL职业联赛战队）共同合作完成。信息科学与技术2021级硕士研究生刘诗逸为论文的第一作者，信息学院助理教授李权为通讯作者。