Analyse stratégique de trajectoires dans du jeu vidéo

Analyse stratégique de trajectoires dans du jeu
vidéo compétitif
Sujet de thèse proposé par Arnaud Lallouet et François Rioult,
Équipe CoDaG - CNRS GREYC UMR6072
[email protected]
May 21, 2015
Mots clés trajectoire, fouille de données, stratégie, jeu vidéo compétitif, e-sport,
MOBA, DotA2
Le jeu vidéo compétitif se développe depuis quelques années et connaît une affluence croissante. Il concerne essentiellement des jeux pratiqués en ligne et en arène,
des MOBA (Multiplayer Online Battle Arena), au cours de partie courtes (30 minutes)
opposant deux équipes de cinq joueurs.
Ces jeux sont pratiqués par des millions de joueurs et autant de spectateurs. Ils sont
l’objet d’événements réguliers, championnat ou tournoi, dont les dotations peuvent être
en millions de dollars.
La similitude des MOBA avec des sports collectifs est importante, tant sur le déroulement du jeu que de son environnement social : pratiquants, entraîneurs, spectateurs,
supporters, organisateurs, commentateurs.
Ce travail de thèse vise à analyser les trajectoires des joueurs de MOBA sous un
angle stratégique. Cet angle est privilégié, avec pour objectif principal l’obtention de
retranscriptions des mouvements collectifs.
Le travail consiste à transformer l’espace des trajectoires en un espace des descriptions symboliques des actions effectuées par les joueurs, afin de permettre leur étude
par des algorithmes classiques de fouille de données séquentielles. Bien que la littérature sur les trajectoires propose des solutions pour l’étude des mouvements de groupes
(flocking, convoy), on délèguera la constitution de ces mouvements à l’algorithme de
recherche de séquences d’itemsets. En effet, les séquences de données représenteront
les mouvements conjoints de tous les membres de l’équipe, vus comme des itemsets.
La recherche de régularités dans ces itemsets fournira donc une sémantique du mouvement collectif.
Le type de jeu étudié est particulièrement complexe : chaque joueur peut choisir
un avatar parmi une centaine, chaque avatar dispose de quatre pouvoirs et de six places
dans son inventaire pour s’équiper d’items qui ajoutent potentiellement de nouveaux
pouvoirs. Il serait donc envisageable de considérer les nombreuses connaissances afférentes afin d’obtenir des résultats d’analyses plus précis. Cependant, dans une dé1
marche de fouille de données avec un minimum de connaissances ajoutées, le travail
tentera de se limiter à la considération seule des trajectoires.
Enfin, le cœur du travail consistera à prendre en compte l’évolution temporelle de
l’environnement du jeu. À la différence du sport collectif réel (rugby, basket, etc.) dont
les routines évoluent peu au cours de la partie, une partie de MOBA est traditionnellement découpée en trois phases : début, milieu et fin de partie. Entre ces trois phases,
les routines et les objectifs évoluent et les analyses de trajectoires doivent s’y adapter.
Pour reprendre une analogie avec l’étude des trajectoires des consommateurs, il est naturel de considérer que la population qui fait ses courses le matin est différente de celle
qui les fait en soirée. Ainsi pour les MOBA, une étude des trajectoires des joueurs doit
prendre en compte les enjeux du début de partie, qui diffèrent notablement de ceux de
la fin de partie.
2