Динамикалық ойын теңгерімі - Dynamic game difficulty balancing

Динамикалық ойын теңгерімі (DGDB), сондай-ақ ретінде белгілі динамикалық қиындықты реттеу (DDA) немесе динамикалық ойын теңгерімі (DGB) - бұл параметрлерді, сценарийлер мен әрекеттерді автоматты түрде өзгерту процесі Видео ойын нақты уақыт режимінде, ойыншының мүмкіндігіне негізделген, ойыншыны жалықтырмас үшін (егер ойын тым оңай болса) немесе көңілсіз (егер ол өте қиын болса). Алайда, рұқсат беру ИИ ойыншылары ойыншылар байланысты болатын ережелерді бұзу себеп болуы мүмкін ИИ мысалы, AI ойыншыларына адам ойыншысының жанында болу үшін жарыс ойындарында шексіз жылдамдық берілуі мүмкін. Қиындықтарды динамикалық теңдестірудің мақсаты - пайдаланушыны басынан аяғына дейін қызықтырып, қиындықтардың жақсы деңгейін қамтамасыз ету.

Дәстүр бойынша ойын қиындығы ойын барысында тұрақты түрде артады (тегіс сызықты түрде, немесе деңгейлермен ұсынылған қадамдар арқылы). Бұл өсудің параметрлері (жылдамдық, жиілік, бастапқы деңгейлер) тек тәжірибенің басында a таңдау арқылы модуляциялануы мүмкін қиындық деңгейі. Дегенмен, бұл тәжірибелі және тәжірибесіз ойыншылардың көңілін қалдыратын тәжірибеге әкелуі мүмкін, өйткені олар алдын-ала таңдалған оқуды ұстануға тырысады немесе қиындықтар қисықтары ойын дамытушыларға көптеген қиындықтар тудырады; нәтижесінде бұл ойын әдісі кең таралмаған.

Динамикалық ойын элементтері

Динамикалық қиындықты теңгеру арқылы өзгертуге болатын ойынның кейбір элементтеріне мыналар жатады:

  • Жаулардың жылдамдығы
  • Дұшпандардың денсаулығы
  • Дұшпандардың жиілігі
  • Қуатты тоқтату жиілігі
  • Ойнатқыштың қуаты
  • Жаулардың күші
  • Геймплей тәжірибесінің ұзақтығы

Тәсілдер

[A] ойыншылары ойынмен жұмыс істейді, олардың ұпайлары тұрақты жақсаруды көрсетуі керек. Жаңадан бастаушылар белгілі бір жетістіктерге жетуі керек, аралық адамдар аралық балл алуы керек, ал тәжірибелі ойыншылар жоғары балл жинауы керек ... Ең дұрысы, прогрессия автоматты түрде болады; ойыншылар бастауыш деңгейден басталады, ал кеңейтілген мүмкіндіктер компьютер білікті ойынды танитындықтан әкелінеді.

Әдебиеттерде ойынның динамикалық қиындықтарын шешудің әртүрлі тәсілдері табылған. Барлық жағдайларда, пайдаланушыға берілген сәтте кездесетін қиындықты тікелей немесе айқын түрде өлшеу қажет. Бұл шараны a эвристикалық функциясы, оны кейбір авторлар «шақыру функциясы» деп атайды. Бұл функция берілген ойын күйін белгілі бір сәтте пайдаланушыға ойынның қаншалықты оңай немесе қиын сезінетінін анықтайтын мәнге бейнелейді. Қолданылатын эвристиканың мысалдары:

  • Сәтті кадрлар немесе соққылардың жылдамдығы
  • Жеңілген және жоғалған дана нөмірлері
  • Өмір
  • Эволюция
  • Кейбір тапсырмаларды орындауға уақыт келді

... немесе а-ны есептеу үшін қолданылатын кез-келген көрсеткіш ойын есебі. Крис Кроуфорд «Егер мен ойыншыға арналған ойын уақытының функциясы ретінде әдеттегі ойыншының ұпайының графигін жасасам, онда бұл сызық тегіс және тұрақты жоғары қарай қисайған қисықты көрсетуі керек. Мен мұндай ойынды оң монотонды қисық түрінде сипаттаймын» деді. Мұндай қисықсыз ойындар «өте қиын немесе өте оңай» болып көрінеді, деді ол.[1]

Хунике және Чэпменнің тәсілі[2] қиындықтарды жеңілдету немесе қиын ету үшін ойын ортасы параметрлерін басқарады. Мысалы, ойын тым қиын болса, ойыншы көп қару алады, өмірлік нүктелерді тез қалпына келтіреді немесе аз қарсыластармен кездеседі. Бұл тәсіл тиімді болғанымен, оны қолдану мүмкін емес жағдайларға әкелуі мүмкін. Түзу тәсіл - мұндай «параметрлер манипуляциясын» кейбір механизмдерге біріктіріп, мінез-құлықты өзгерту ойыншы емес кейіпкерлер (компьютер басқаратын және әдетте сол сияқты модельденетін таңбалар ақылды агенттер). Алайда, бұл түзетуді «резеңке таспа» әсерін болдырмау үшін шамалы түрде жасау керек. Жарыс ойынындағы осы әсердің бір мысалы, жасанды интеллект жүргізушісінің көлік құралдары ойыншының көлігінің артында тұрған кезде едәуір жылдамдауын, ал алдыңғы жағында біршама баяу болуын, екі көлік құралы үлкен машинамен байланысқан сияқты. резеңке таспа.

Агенттің интеллектісін дәстүрлі жүзеге асыру барысында анықталған мінез-құлық ережелерін қолдану болып табылады ойын дамыту. А-дағы ереже жекпе-жек ойыны «қарсыласқа қол жетімді болса, оны ұрып тастаңыз, әйтпесе қуып жіберіңіз» деп мәлімдейді. Қарсыластарды модельдеуді қосатын мұндай тәсілді Spronck арқылы жасауға болады т.б.Динамикалық сценарий,[3][4] әр ережеге тағайындайтын а ықтималдық таңдалған. Ереже салмақтары ойын барысында динамикалық түрде жаңартылуы мүмкін, сәйкесінше қарсыластың дағдыларына сәйкес, нақты пайдаланушыға бейімделуге әкеледі. Қарапайым механизмнің көмегімен қазіргі ойыншы үшін тым күшті де, әлсіз де тактика тудыратын ережелерді таңдауға болады.

Андраде т.б.[5] DGB проблемасын екі өлшемге бөліңіз: құзыреттілік (мүмкіндігінше жақсы үйрену) және өнімділік (қажет болған жағдайда әрекет ету). Бұл құзыреттілік пен өнімділік арасындағы екіжақтылық белгілі және зерттелген лингвистика ұсынғанындай Ноам Хомский.[6] Олардың көзқарасы екі өлшемге де байланысты арматуралық оқыту (RL). Офлайн оқыту оқу процесін бастау үшін қолданылады. Мұны агент өзіне, өзін-өзі тануға), басқа бағдарламаланған агенттерге немесе адам ойыншыларына қарсы ойнауға мүмкіндік беру арқылы жасалуы мүмкін. Содан кейін, желіде оқыту оған қарсы ойнаудың ең қолайлы стратегиясын табу үшін бастапқыда орнатылған интеллектті әр адамның нақты қарсыласына үнемі бейімдеу үшін қолданылады. Өнімділікке қатысты олардың ойы жақсы ойын тепе-теңдігін қамтамасыз ететін әрекеттерді, яғни агент пен адам ойыншысын шамамен бірдей өнімділік деңгейінде ұстайтын әрекеттерді таңдау үшін барабар саясатты табу болып табылады. Ойыншы кездесетін қиындыққа сәйкес агент күтілетін өнімділігі жоғары немесе төмен болатын әрекеттерді таңдайды. Белгілі бір жағдай үшін, егер ойын деңгейі өте қиын болса, агент оңтайлы әрекетті таңдамайды (RL шеңберімен қамтамасыз етілген), бірақ оның әрекеті ойыншы сияқты жақсы болғанға дейін біртіндеп аз және аз оңтайлы әрекеттерді таңдайды. Дәл сол сияқты, егер ойын деңгейі тым жеңілдейтін болса, онда оның мәні жоғары болатын әрекеттерді таңдайды, мүмкін ол оңтайлы өнімділікке жеткенше.

Демаси мен Круз[7] жалдамалы интеллектуалды агенттер генетикалық алгоритмдер қолданушы деңгейіне сәйкес келетін тірі агенттерді сақтау әдістері. Оқу үдерісін жеделдету мақсатында интерактивті эволюция қолданылады. Онлайн-кеволюция генетикалық операцияларда ата-ана ретінде алдын-ала анықталған модельдерді (жақсы генетикалық ерекшеліктері бар агенттер) пайдаланады, осылайша эволюция олардың жағдаятына тәуелді болады. Бұл модельдер генетикалық кодтау жеткілікті қарапайым болған кезде оффлайн режимінде немесе қолмен жасалады.

DGB саласындағы басқа жұмыстар гипотезаға негізделеді - бұл аудиовизуалды ерекшеліктерден, контексттен немесе ойын жанрынан гөрі - ойыншы мен қарсыластың өзара әрекеттесуі - бұл компьютердегі ойын-сауық сапасының басым бөлігін құрайтын қасиет. ойын.[8] Осы негізгі болжамға сүйене отырып, жыртқыш / жыртқыш ойындардың нақты уақыттағы ойын-сауық құнын өлшеуге арналған метрика енгізіліп, адамның пікіріне қарсы тиімді және сенімді болып анықталды.

Яннакакис пен Халламның қосымша зерттеулері[9] мұны көрсетті жасанды нейрондық желілер (ANN) және бұлыңғыр жүйке желілері Ойыншылардың қанағаттанушылығын адам ойлап тапқаннан гөрі жақсырақ бағалаушы шығаруы мүмкін, бұл қиындықтар мен қызығушылықтың тиісті бағалаушыларын ескере отырып (Malone-ге сәйкес геймплейді тартудың ішкі сапалық факторлары)[10] ойын және адам ойыншыларының қалаулары туралы мәліметтер. Ойынның нұсқалары көп немесе аз болатын жауаптарды болжай алатын ойын ойнатқышының қолданушы модельдерін құру тәсілі көңілді ретінде анықталады Ойын-сауықты модельдеу. Модель әдетте қолданыла отырып жасалады машиналық оқыту ойыншылардың өзара әрекеттесуінен және / немесе ойыншылардың статистикалық ерекшеліктерінен алынған ойын параметрлеріне қолданылатын әдістер физиологиялық сигналдар ойнату кезінде жазылған.[11] Бұл негізгі тәсіл компьютерде де, әр түрлі ойындарда қолданылады[9] және физикалық.

Ескертулер

Болжамсыз әділ ойынның дизайны қиын.[12] Эндрю Роллингс пен Эрнест Адамс ойыншының алдыңғы деңгейлерде ойнау әдісі негізінде әр деңгейдің қиындықтарын өзгертетін ойынға мысал келтіреді. Ойыншылар мұны байқап, қиын деңгейден бұрын әдейі жаман ойнау арқылы қиын деңгейлерден шығу стратегиясын жасады. Авторлар қиындықтарға бейімделудің бар екендігін жасырудың маңыздылығын, сондықтан ойыншылар бұл туралы білмейді.[13]

Соңғы видео ойындардағы қолданыстар

Архон'Компьютердің қарсыласы уақыт өте келе ойыншыларға оны жеңуге көмектесу үшін баяу бейімделеді.[14] Даниэль Бантен екеуін де жобалаған М.У.Л.Е. және Әлемдік жаулап алу ойыншылар арасындағы геймплейді динамикалық түрде теңестіру. Кездейсоқ оқиғалар бірінші кезектегі ойыншыға ешқашан сәттілік, ал соңғы орын алған ойыншыға ешқашан сәттілік болмайтындай етіп реттеледі.[15]

Бірінші Бандикут апаты ойын және оның жалғасы «Динамикалық қиындықтарды реттеу» жүйесін қолданады, кедергілерді бәсеңдетеді, қосымша соққы ұпайларын береді және ойыншының қайтыс болғандар санына сәйкес жалғасатын ұпайларды қосады. Ойынның жетекші дизайнерінің айтуы бойынша Джейсон Рубин, мақсаты «әлсіз ойыншыларға жақсы ойыншыларға ойын өзгертпей көмектесу» болды.[16]

Бейне ойын Ағын психикалық иммерсияны қолдануды танымал етуімен ерекшеленді (сонымен қатар аталады) ағын ) 2006 жылғы Flash нұсқасымен видео ойындарға. Бейне ойын дизайны оның авторларының бірінің магистрлік диссертациясына негізделіп, кейінірек PlayStation 3-ке бейімделді.

SiN эпизодтары 2006 жылы шығарылған «Жеке шақыру жүйесі» ұсынылды, онда дұшпандардың саны мен қаттылығы ойыншының деңгейіне және ойын арқылы ілгерілеу қарқынын қамтамасыз етуге арналған ойыншының өнімділігіне байланысты әр түрлі болады. Әзірлеуші, Ritual Entertainment, әртүрлі деңгейдегі ойыншылар бір-бірінен аз уақыт аралығында ойынды аяқтай алады деп мәлімдеді.[17]

2005 жылы, Resident Evil 4 көптеген ойыншыларға белгісіз «Қиындықтар масштабы» деп аталатын жүйені қолданды, өйткені бұл туралы ресми стратегия нұсқаулығында ғана айтылды. Бұл жүйе ойыншының өнімділігін сандық масштабта 1-ден 10-ға дейін бағалайды және ойыншының өнімділігі негізінде (мысалы, өлім, сыни шабуыл және т.б.) қарсыластың әрекетін / қолданылған шабуылын және қарсыластың зақымдануын / қарсылығын реттейді. Таңдалған қиындық деңгейлері ойыншыларды белгілі бір санмен құлыптайды; мысалы, қалыпты қиындықта 4-сыныптан басталады, нашар оқыса, 2-ші сыныпқа, ал егер жақсы оқыса, 7-ші сыныпқа ауысады. Қиындықтар арасындағы бағалар қабаттасуы мүмкін.[18]

Құдай қолы, 2006 ж. жасаған видео ойын Clover Studio, режиссер Resident Evil 4 директор Синдзи Миками, және жарияланған Capcom үшін PlayStation 2, геймплей кезінде қарсыластың ақылдылығы мен күшін реттейтін өлшеуіштің ерекшеліктері. Бұл метр ойнаушы сәтті қашып, қарсыластарына шабуыл жасаған кезде өседі, ал ойыншы соққыға жығылғанда азаяды. Есептегіш төрт деңгейге бөлінеді, ең қиын деңгей «деңгей DIE» деп аталады. Ойынның үш қиыншылығы бар, жеңіл қиындықпен тек есептегіштің 2 деңгейге көтерілуіне мүмкіндік береді, ал ең қиын қиындық метрді DIE деңгейіне дейін құлыптайды. Бұл жүйе жоғары деңгейдегі жауларды жеңген кезде үлкен сыйақы ұсынады.

2008 жылғы бейне ойын Өлімнен тірі қалған «Жасанды интеллектуалды режиссер» деп аталған жаңа жасанды интеллект технологиясын қолданады.[19] AI Директоры ойын ойнаған сайын ойыншылар үшін әртүрлі тәжірибе қалыптастыру үшін қолданылады. Бұл жеке ойыншылардың өнімділігі мен олардың ойын барысында қарқынмен топта бірлесе жұмыс жасауын бақылайды, жиналған ақпарат негізінде ойыншыға шабуылдайтын зомби санын және босс жұқтырған кездесулердің орнын анықтайды. Директор сонымен қатар ойыншылардың әр мақсатқа қарай жылдамдықпен өтуін анықтайды; егер ол ойыншылардың бір жерде ұзақ уақыт тұрғанын немесе жетіспейтіндігін анықтаса, онда кез-келген ойыншылар мен жасанды интеллектуалды кейіпкерлерді қазіргі орнынан қозғалуға және жаңа қауіп-қатерге қарсы тұруға мәжбүр ету үшін қарапайым жұқтырылған топты шақырады. Жылдамдықпен жүруден басқа, Директор ойынның кейбір видео және аудио элементтерін басқарушымен кездесуге көңіл-күй орнату немесе ойыншылардың назарын белгілі бір аймаққа аудару үшін басқарады.[20] Клапан директордың жұмыс тәсілін атайды »процедуралық баяндау «өйткені тұрақты деңгейге көтерілетін қиындық деңгейінің орнына, А.И. ойыншылардың осы уақытқа дейін қалай ойнағанын талдайды және оларға әңгімелеу мәнін беретін кейінгі оқиғаларды қосуға тырысады.[21]

Madden NFL 09 «Madden IQ» -ді енгізеді, ол ойыншылардың әр түрлі жағдайдағы спорт түрін және қабілеттерін тексеруден басталады. Содан кейін есеп ойынның қиындығын бақылау үшін қолданылады.[22][23]

3 матчында Fishdom, уақыт шегі ойыншының қаншалықты жақсы жұмыс істейтініне байланысты реттеледі. Уақыт шегі ойыншы деңгейден сәтсіздікке ұшыраған жағдайда ұлғайтылады, бұл кез-келген ойыншыға бірнеше әрекеттен кейін деңгейді жеңуге мүмкіндік береді.

1999 жылғы видеоойында Үй әлемі, AI әр тапсырмада басталатын кемелер саны ойынның ойыншы паркін қаншалықты қуатты деп санайтынына байланысты белгіленеді. Табысты ойыншылардың флоттары үлкен, өйткені олар шығындарды азырақ алады. Осылайша, бірнеше тапсырмаларды сәтті орындаған ойыншыға ойын өрбіген сайын одан сайын сынақ басталады.

Жылы Fallout: Жаңа Вегас және Fallout 3, ойыншы деңгей жоғарылаған сайын, жаулардың қатал нұсқалары, статистикасы жоғары қарулар немесе жаңа қарсыластар ескілерді тұрақты қиындықты сақтап қалу үшін алмастырғышты қолдана отырып, тәжірибе бонустарымен және керісінше Fallout 3. Мұны сонымен қатар жасауға болады Жаңа Вегас, бірақ қиындықты көбейтуге немесе азайтуға ешқандай бонус жоқ.

The Марио Карт серияда жарыс кезінде жеке жүргізушіге қарсыластарынан озып кетуге көмектесетін заттар бар. Бұл заттар жүргізушінің позициясы негізінде динамикалық ойын теңгерімінің мысалы ретінде таратылады. Мысалы, алаңның төменгі жағында орналасқан жүргізуші жылдамдығын күрт арттыратын немесе қарсыластарының жылдамдығын күрт төмендететін зат алады, ал бірінші немесе екінші орында тұрған жүргізушілер мұндай заттарды сирек алады деп күте алады ( және, мүмкін, ойынның әлсіз заттарын алады). Ойынның компьютерлік жарыстары ойыншының жылдамдығына да бейімделеді - жетекші ойыншы ең жақсы компьютерлік жарыстан тым артта қалып бара жатқанда баяулайды, ал керісінше - бәсекелес компьютерлік жарыстар ойыншыға бірінші болып жетеді.

Қиындықты теңестірудің алғашқы үлгісін табуға болады Zanac, 1986 жылы жасалған Компиляциялау. Ойын ерекше бейімделгішті ұсынды жасанды интеллект, онда ойын ойыншының шеберлік деңгейіне, атыс жылдамдығына және кеменің қазіргі қорғаныс мәртебесіне / қабілетіне сәйкес қиындық деңгейін автоматты түрде реттеді. Бұған дейін Midway-дің 1975 жылғы Gun Fight монеталық ойынында кездесуге болады. Бұл бастан-аяқ ату ойыншылардың қайсысы жаңа атылғанына көмектеседі, мысалы, ойын алаңының жартысына кактус зауыты сияқты жаңа қосымша зат қойып, оларды жасыруды жеңілдетеді.

Ойыншылардың сатып алу тәртібін қалыптастыру үшін болжамды қолдану

A сыныптық сот ісі ішінде Калифорнияның солтүстік округі үшін Америка Құрама Штаттарының аудандық соты ойын дамытушы Электрондық өнер оның патенттелгенін пайдалану Қиындықты динамикалық реттеу оның үшеуінде технология EA Sports франчайзингтер - Мадден NFL, FIFA, және НХЛ - 2017 жылғы нұсқаларға дейінгі барлық ойындарда. Талапкерлер ЕА осы технологияны ойыншыларды көбірек сатып алуға итермелеу үшін қолданады дейді тонау қораптары Ойыншы пакеттері түрінде, бұл тіпті жоғары статистикалық ойыншыларды ойдағыдай ойнауға мүмкіндік бермейді дейді.

Сондай-ақ, костюм EA бұл технологияны ойыншыларға жария етпестен қолданатынын атап өтіп, EA бұрын костюмде аталған бірнеше ойындарда оны қолданудан бас тартқанын атап өтті. Айыптау туралы түсініктеме беруді сұрағанда, Е.А. талаптарды «негізсіз» деп атады және олар «біздің ойындарымызды бұрмалайды».[24][25][26]

Сондай-ақ қараңыз

Әдебиеттер тізімі

  1. ^ а б Кроуфорд, Крис (желтоқсан, 1982). «Компьютерлік ойындарға арналған жобалау әдістері мен идеялары». БАЙТ. б. 96. Алынған 19 қазан 2013.
  2. ^ Робин Хуники; В.Чапман (2004). «Ойындардағы қиындықтарды динамикалық түзетуге арналған интеллект». Ойын жасанды интеллект AAAI шеберханасындағы қиындықтар. Сан-Хосе. 91-96 бет.
  3. ^ Питер Спронк Шығармашылық Есептеу Тілбург орталығынан
  4. ^ П. Спронк; I. Спринхуизен-Куйпер; E. Postma (2004). «Ойынның интеллектуалды масштабтарының қиындығы». Интеллектуалды ойындар мен модельдеу бойынша 5-ші Халықаралық конференция материалдары. Бельгия. 33-37 бет.
  5. ^ Г. Андраде; Г. Рамалхо; Х.Сантана; V. Corruble (2005). «Іс-әрекетті шақыруға сезімтал таңдау: ойын теңгеріміне қосымша». IEEE / WIC / ACM интеллектуалды агент технологиялары бойынша халықаралық конференция материалдары (IAT-05). Компьен, Франция: IEEE Computer Society. 194–200 бет.
  6. ^ Хомский, Ноам. (1965). Синтаксис теориясының аспектілері. Кембридж, MA: MIT Press.
  7. ^ П. Демаси; A. Cruz (2002). «Экшн ойындарына арналған онлайн коеволюция». Интеллектуалды ойындар мен модельдеу бойынша 3-ші халықаралық конференция материалдары. Лондон. 113-120 бб.
  8. ^ Г.Н.Яннакакис; Дж.Халлам (2004 ж. 13-17 шілде). «Интерактивті компьютерлік ойындар үшін дамып келе жатқан қарсыластар». Адаптациялық мінез-құлықты модельдеу бойынша 8-ші Халықаралық конференция материалдары (SAB'04); 8. Жануарлардан жануарларға. Лос-Анджелес, Калифорния, Америка Құрама Штаттары: MIT Press. 499–508 беттер.
  9. ^ а б Г.Н.Яннакакис; Дж.Халлам (2006 ж. - 18–20 мамыр). «Компьютерлік ойындардағы ойын-сауықты басып алу және оны күшейту жолында». Жасанды интеллект бойынша 4-эллиндік конференция материалдары, жасанды интеллекттегі дәрістер. Ираклион, Крит, Греция: Спрингер-Верлаг. 432–442 бет.
  10. ^ Malone, T. W. (1981). «Компьютерлік ойындарды не қызықтырады?». Байт. 6: 258–277.
  11. ^ Шанель, Гийом; Ребетес, Кирил; Бетранкур, Мирей; Пун, Тьерри (2011). «Ойын қиындықтарын бейімдеу үшін физиологиялық сигналдардан эмоцияны бағалау». IEEE жүйелер, адам және кибернетика бойынша транзакциялар - А бөлімі: жүйелер және адамдар. 41 (6): 1052–1063. дои:10.1109 / TSMCA.2011.2116000. S2CID  8681078.
  12. ^ Барри, Тим (1981-05-11). «Компьютерлік ойын іздеуде». InfoWorld. 11, 48 бет. Алынған 2019-04-17.
  13. ^ A. Rolling; Э. Адамс. «Ойын ойыны» (PDF). Эндрю Роллингс және Эрнест Адамс ойын дизайны бойынша. Жаңа шабандоздар.
  14. ^ Бэтмен, Селби (қараша 1984). «Еркін күзгі серіктестер: Архон мен Архон II-нің дизайнерлері: Адепт». Есептеңіз!. б. 54. Алынған 6 шілде 2014.
  15. ^ «Адамдарды жобалау ...» Компьютерлік ойындар әлемі. Тамыз 1992. 48-54 бб. Алынған 3 шілде 2014.
  16. ^ Гэвин, Энди (2011-02-07). «Бандикут апатын жасау - 6 бөлім». Барлығы Энди Гэвин. Алынған 2016-09-03.
  17. ^ Монки (2006-05-22). «Монки Ritual Том Мустейнмен SiN туралы сұхбат: пайда болу». Жақсы жаңалықтар емес. Алынған 2006-08-24.
  18. ^ Resident Evil 4: Стратегия туралы ресми нұсқаулық. Future Press. 4 қараша 2005 ж.
  19. ^ «Өлімнен тірі қалған». Клапан. Архивтелген түпнұсқа 2009-03-27.
  20. ^ «Lead 4 Dead Hands-Preview». 411. Қанат.
  21. ^ Ньюелл, Габе (21 қараша 2008). «Габе Ньюэлл Edge үшін жазады». edge-online.com. Архивтелген түпнұсқа 2012 жылғы 9 қыркүйекте. Алынған 2008-11-22.
  22. ^ «Madden NFL 09 маусым алдындағы есеп», 25 сәуір, 2008 ж
  23. ^ «Madden NFL 09 First Hands On», 22 мамыр, 2008 ж
  24. ^ Валентин, Ребека. «EA-да олжа қораптарымен байланысты тағы бір сыныптық сот ісі басталды». GamesIndustry.biz. Алынған 12 қараша 2020.
  25. ^ Хетфельд, Малинди (12 қараша 2020). «Сыныптық іс бойынша сот ісін жүргізу ЕА-ның динамикалық қиындықтарымен қарулануды талпындырады». PC Gamer. Алынған 12 қараша 2020.
  26. ^ Макаллун, Алисса. «Сыныптық сот ісі ЕА-ны тонау қораптарын итерудегі ойын қиындықтарын өзгертті деп айыптайды». www.gamasutra.com. Алынған 12 қараша 2020.

Әрі қарай оқу

Сыртқы сілтемелер