CN109731291A - 一种康复游戏的动态调整方法及系统 - Google Patents

Abstract

本发明公开一种康复游戏的动态调整方法，包括以下步骤：步骤S1、对康复游戏的游戏用例进行分组，得到多个游戏用例组；步骤S2、根据患者当前时间段的表现记录以及难度参数获取预估评价参数；步骤S3、根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组，采用所述实施游戏用例组进行下一时间段的游戏；步骤S4、更新所述游戏用例，并转步骤S1。本发明还公开了一种康复游戏的动态调整系统，通过本发明提出的方法和系统可以为患者量身定制动态难度，使得患者在有挑战性的进行游戏的同时不会感到挫败感。

Description

一种康复游戏的动态调整方法及系统

技术领域

本发明涉及康复游戏技术领域，具体涉及一种康复游戏的动态调整方法及系统。

背景技术

目前，康复游戏被广泛用于医疗康复，例如对中风患者的治疗。中风患者的治疗需要让患者的患侧进行大量的重复的运动，帮助患者恢复并提高使用患侧部位进行日常生活的能力。但是，物理治疗通常是个痛苦而又枯燥的过程，患者不喜欢参与。然而，患者的态度直接关系到他们在物理治疗期间的依从性和成功率。康复研究表明，通过为患者提供控制感来激励和赋予患者权力，可以加速实现患者的康复目标。游戏是能让人产生愉快的事物，因为游戏带来的乐趣，人们会为了继续游戏而提高自己的能力。游戏的目标不同可以带来不同的作用，当患者使用游戏来进行物理治疗时，游戏可以提高患者对游戏的依从性而越来越多地被用来加强和验证旨在改善运动结果的训练计划。

在当今已有的康复系统中采用的游戏还是传统游戏为主，通过穿戴复杂的设备和精密的仪器将患者的行动数据进行记录下来，游戏只是促进他们进行训练的“更具吸引力”的性质。这样的游戏可以随意设计和任意替换，难度是定制的，变量是静态的，其游戏数据在整个康复系统中的作用并不重要，而且因为难度太高带来的挫败感或难度太低带来的乏味感影响康复进程。作为康复系统中重要一环的游戏部分，没有能够很好地体现它的作用是目前已有康复系统的一大缺陷。

发明内容

本发明的目的在于克服上述技术不足，提供一种康复游戏的动态调整方法及系统，解决现有技术中康复游戏难度无法调整，影响康复效果的技术问题。

为达到上述技术目的，本发明的技术方案提供一种康复游戏的动态调整方法，包括以下步骤：

步骤S1、对康复游戏的游戏用例进行分组，得到多个游戏用例组；

步骤S2、根据患者当前时间段的表现记录以及难度参数获取预估评价参数；

步骤S3、根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组，采用所述实施游戏用例组进行下一时间段的游戏；

步骤S4、更新所述游戏用例，并转步骤S1。

优选地，所述步骤S1之前还包括：

提取康复游戏中控制游戏难度的难度参数以及体现游戏者表现的表现记录，根据所述难度参数以及表现记录将所述康复游戏分解为多个游戏用例。

优选地，所难度参数包括物体速度、位移范围、物体大小以及操控灵敏度；所述表现记录包括单个目标准确率以及单个目标消耗时间。

优选地，所述步骤S4中，更新所述游戏用例包括更新所述难度参数，所述难度参数的更新方法具体为：

判断游戏者当前时间段的表现记录是否优于上一时间段的表现记录，如果是则提高当前时间段的难度参数作为下一时间段的难度参数，否则降低当前时间段的难度参数作为下一时间段的难度参数。

优选地，所述步骤S4中，更新所述游戏用例包括更新所述表现记录，所述表现记录的更新方法具体为，采用自适应算法更新所述表现记录：

上式中，E^* _t为更新表现记录，f_ad(t,E)为所述自适应算法，α和γ均为加权系数，E_t为当前时间段的表现记录，E_t-1、E_t-2…E_t-k+1为历史表现记录，n为康复游戏在一个时间段内用到的游戏用例的数量，n₀为设定阈值。

优选地，所述步骤S1中，对所述游戏用例进行分组具体为:

采用聚类算法对所述游戏用例进行分组，得到多个所述游戏用例组。

优选地，所述步骤S2中获取所述预估评价参数具体为：

Q^*(s,a)＝∑_s'T(s,a,s')*(R(s,a,s')+∑β^k*maxQ^*(s',a'))

上式中，s为患者当前时间段的表现记录，a为患者当前时间段的难度参数，s'为预估表现记录，a'为预估难度参数，Q^*(s,a)为所述预估评价参数，T(s,a,s')为转移函数，即患者从表现记录s转移为预估表现记录s'的概率，R(s,a,s')为患者从表现记录s经过难度参数为a的游戏后达到预估表现记录s'的过程中所得的分值，β为患者进行k次难度参数为a的游戏后得到最好表现记录数的权值，Q^*(s',a')指下一时间段的预估评价参数。

优选地，所述步骤S3具体为：

采用插值算法，将所述预估评价参数插入所述游戏用例中，并匹配出所述实施游戏用例组。

本发明还提供了一种康复游戏的动态调整系统，包括自适应模块、训练分组模块、预估评价模块以及游戏模块；

所述训练分组模块用于对康复游戏的游戏用例进行分组，得到多个游戏用例组；

所述预估评价模块用于根据患者当前时间段的表现记录以及难度参数获取预估评价参数；

所述训练分组模块还用于根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组；

所述游戏模块用于采用所述实施游戏用例组进行下一时间段的游戏；

所述自适应模块用于更新所述游戏用例，并将更新后的游戏用例发送至所述训练分组模块用于游戏用例分组。。

本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现以上所述的康复游戏的动态调整方法。

与现有技术相比，本发明的有益效果包括：本发明对游戏用例进行分组，根据预估评价参数选取合适的实施游戏用例组进行游戏，避免游戏难度过大或过小影响康复游戏的康复效果；同时对游戏用例进行实时更新，根据患者实时表现进行预估评价，使得选取的游戏用例组更加贴合患者的实时表现，让患者一直处于难度适中的游戏环境中，既有挑战性，又不失乐趣地完成自己的康复训练计划的目的。

附图说明

图1是本发明提供的康复游戏的动态调整方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1：

如图1所示，本发明的实施例1提供了一种康复游戏的动态调整方法，包括以下步骤：

步骤S1、对康复游戏的游戏用例进行分组，得到多个游戏用例组；

步骤S2、根据患者当前时间段的表现记录以及难度参数获取预估评价参数；

步骤S3、根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组，采用所述实施游戏用例组进行下一时间段的游戏；

步骤S4、更新所述游戏用例，并转步骤S1。

本发明提供的康复游戏的动态调整方法，先将康复游戏进行细化，将整个游戏分解为多个游戏用例，为患者的康复训练提供细致精确的分组预设初始化，用以康复游戏中根据患者的游戏状态使用。每个游戏用例都是是参数，如难度参数和记录的多维集合体。游戏用例可以是游戏中多个等价性质不同属性的物体，也可以是同一个物体的不同属性值。然后对游戏用例进行分组，分组完成后，根据患者当前时间段的表现记录以及难度参数对患者的表现进行评估，预测下一时间段患者的表现，得到预估评价参数。根据预估表现记录为患者推荐最适合患者的游戏用例组，用于下一时间段的游戏。

在患者进行游戏时，更新当前时间段所使用的游戏用例组中每一个游戏用例，更新的游戏用例会在下一次分组中使用，进行重新分组。与此同时，患者的预估评价参数也会发生改变，该更新的预估评价参数，用于推荐新的游戏用例组用于接下来的游戏，使得患者游戏过程中使用的实施游戏用例组是根据预估评价参数实时选取的最合适的动态分组。

在康复过程中，使用康复游戏的患者，每次的游戏时间一般有数十分钟，而且可能会连续数日进行，因此闯关模式的游戏不适合康复中使用。具体的，在游戏设计时，可以以某种得分类型游戏的无限模式为基底，根据患者的当前状态，为患者定制一套最适合患者的动态调整以及分组。分析患者的游戏历史表现记录以及当前表现记录，实时进行后台分析，并用在当前游戏的下一个时间段的参数和难度进行修改，达到自动适应患者的游戏表现，让患者一直处于难度适中的游戏环境下，既有挑战性，又不失乐趣地完成自己的康复训练计划的目的。

本发明为患者量身定制适宜的游戏难度，可以使患者在有挑战性的同时不会感到挫败感，让患者在游戏之时忘记病痛带来的心理负面影响，用积极乐观的心态让患者更好地恢复。在患者进行游戏时，通过进行鼓励和关怀机制，可以让患者放松地进行康复游戏，不紧张于自己的患部的表现状况，而将注意力集中在游戏中。

优选的，所述步骤S1之前还包括：

提取康复游戏中控制游戏难度的难度参数以及体现游戏者表现的表现记录，根据所述难度参数以及表现记录将所述康复游戏分解为多个游戏用例。

将自定义的可以作为难度控制的参数提取作为难度参数，将可以作为患者表现评价的参数提取作为表现记录，就可以进行使用，游戏用例为难度参数和表现记录的集合。

优选的，所难度参数包括物体速度、位移范围、物体大小以及操控灵敏度；所述表现记录包括单个目标准确率以及单个目标消耗时间。

实际在运用时，游戏的难度参数和表现记录通常不是单个浮点数数值，而是一组参数的集合，用数组或者List的方式进行保存。难度参数可以是：物体速度、位移范围、物体大小、操控灵敏度等。表现记录可以是单个目标准确率、单个目标消耗时间等。

优选的，所述步骤S4中，更新所述游戏用例包括更新所述难度参数，所述难度参数的更新方法具体为：

判断游戏者当前时间段的表现记录是否优于上一时间段的表现记录，如果是则提高当前时间段的难度参数作为下一时间段的难度参数，否则降低当前时间段的难度参数作为下一时间段的难度参数。

具体的，在此定义，t时间段的难度参数为d_t，t+1时间段的难度参数为d_t+1，患者进行游戏时t时间段的成功率为r_t，t-1时间段的成功率为r_t-1，本实施例中成功率即所述表现记录，t时间段时的得分为s_t,难度调整系数为θ，难度计算的系数δ。

在进行游戏时，游戏的难度参数应该随着游戏表现进行调整，当患者表现较好时，难度向上浮动，当患者表现差时，难度向下浮动。最终，难度和训练时长通过分数加以体现。

即，当r_t＞r_t-1时，d_t+1＝d_t+θ*(r_t-r_t-1)，当r_t≤r_t-1时，d_t+1＝d_t-θ*(r_t-r_t-1)。游戏得分s_t＝functionScoreCaculation(d_t,r_t,δ)。

优选的，所述步骤S4中，更新所述游戏用例包括更新所述表现记录，所述表现记录的更新方法具体为，采用自适应算法更新所述表现记录：

上式中，E^* _t为更新表现记录，f_ad(t,E)为所述自适应算法，α和γ均为加权系数，E_t为当前时间段的表现记录，E_t-1、E_t-2…E_t-k+1为历史表现记录，n为康复游戏在一个时间段内用到的游戏用例的数量，n₀为设定阈值。

根据近数个时间段的结果为新的时间段改变游戏用例分组。在游戏的同时进行自适应的难度调整算法。由于游戏需要高度即时性，需要较高的帧数，不能同时进行消耗资源的算法。因此采取异步多线程的方式进行处理。使用双缓冲模式的思想，前端进行当前时间段的游戏，后台对前一个时间段的游戏结果进行自适应算法处理。在进行游戏的该时间段中，当前时间段的游戏用例组生成游戏用例队列，在进行游戏时，该队列中的游戏用例逐个出队，直到该队列为空或者当前时间段的时间消耗完毕。

在用户进行当前时间段t的游戏得出游戏用例的新属性E_t后，自适应算法f_ad(t,E)将结果E_t作为参数进行算法，对E_t中每一个参数进行自适应算法实现更新。E^* _t是进行自适应算法后得出的新值，成为游戏用例的更新的参数，供下一个时间段的游戏使用。为了得到这个新参数，使用自适应算法f_ad(t,E)进行处理，其中，t指当前时间段，E指存放到t时间段为止的一系列变化的难度参数值以及表现记录值的数组。

自适应算法有两个算式，分别用在不同类型的游戏需求中。

在离散性较强的游戏中，即n≤n₀时，采用上面的公式进行自适应算法，权值α可以进行手动输入α_input，也可以通过强化学习的算法得出α_rl。同时权值α还会被运算时间的最大值t_funmax以及更新时间t_update限制，则

α＝min(α_rl,α_input,(t_funmax-t_update)/mn)；

在连续性强的游戏中，即n＞n₀时，采用下面的公式进行自适应算法，权值γ∈(0,1]，k是参与判定的实施游戏用例组的数量。当k＝1时，即为贪心法，只考虑前一时间段的实施用例组的影响，可以极为快速地表现出患者当前时间段游戏时的表现，并重新分组使用。γ的取值依赖于通过强化学习的算法，得出最合适的进行判断的权值γ_rl。在这种自适应算法中，通常每个游戏用例单独进行多线程计算，算法的运行只需要处理当前用例即可，因此可以不考虑游戏用例总数，只需考虑游戏用例中参数的数目n，以及运算时间的最大值t_funmax，则：

γ＝min(γ_rl,t_funmax/n)。

具体的，自适应算法还可以用于康复游戏的宏观调控，在每一次用户游戏结束后统一更新用户的游戏用例参数，可以用于患者的康复状态评估。

优选的，所述步骤S1中，对所述游戏用例进行分组具体为:

采用聚类算法对所述游戏用例进行分组，得到多个所述游戏用例组。

优选的，所述步骤S2中获取所述预估评价参数具体为：

Q^*(s,a)＝∑_s'T(s,a,s')*(R(s,a,s')+∑β^k*maxQ^*(s',a'))

上式中，s为患者当前时间段的表现记录，a为患者当前时间段的难度参数，s'为预估表现记录，a'为预估难度参数，Q^*(s,a)为所述预估评价参数，T(s,a,s')为转移函数，即患者从表现记录s转移为预估表现记录s'的概率，R(s,a,s')为患者从表现记录s经过难度参数为a的游戏后达到预估表现记录s'的过程中所得的分值，β为患者进行k次难度参数为a的游戏后得到最好表现记录数的权值，Q^*(s',a')指下一时间段的预估评价参数。

根据强化学习算法，对患者的表现进行预测，得到预估评价参数，以此建立康复游戏的方向。强化学习算法包括Q-Learning、PPO等算法。

本实施例使用的算法思想公式如下：

Q^*(s,a)＝∑_s'T(s,a,s')*(R(s,a,s')+∑β∧k*maxQ^*(s',a'))

通过获取当前时间难度参数和表现记录，预估这次训练结束后的预估评价参数，并得出最优的预估评价参数以及对应的表现记录，进而选择对应的最优的难度参数a。β为患者进行k次难度参数为a的游戏后得到最好表现记录数的权值，β∈(0,1]。β和k具体取值由患者进行游戏多次后进行逐渐实验中进行调整，得到最合适的值。k额外还会受到运算时间的限制。可将R(s,a,s'))与获得的实际游戏分值进行比较，用在评价患者的游戏结果上。T(s,a,s')为患者从表现记录s转移为预估表现记录s'的概率，T(s,a,s')∈(0,1]，所有可能转移为预估表现记录s'的概率之和为1。

具体的，自适应算法中加权系数α和γ可根据预估评价参数设置，可以直接建立预估评价参数与α或γ的关联模型，在没有模型时，也可以观察者模式观察并调整。

优选的，所述步骤S3具体为：

采用插值算法，将所述预估评价参数插入所述游戏用例中，并匹配出所述实施游戏用例组。

具体的，可采用Knn插值算法。

实施例2：

本发明的实施例2提供了一种康复游戏的动态调整系统，包括自适应模块、训练分组模块、预估评价模块以及游戏模块；

所述训练分组模块用于对康复游戏的游戏用例进行分组，得到多个游戏用例组；

所述预估评价模块用于根据患者当前时间段的表现记录以及难度参数获取预估评价参数；

所述训练分组模块还用于根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组；

所述游戏模块用于采用所述实施游戏用例组进行下一时间段的游戏；

所述自适应模块用于更新所述游戏用例，并将更新后的游戏用例发送至所述训练分组模块用于游戏用例分组。

本发明提供的康复游戏的动态调整系统，基于上述康复游戏的动态调整方法，因此，上述康复游戏的动态调整方法所具备的技术效果，康复游戏的动态调整系统同样具备，在此不再赘述。

实施例3：

本发明的实施例3提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现以上任一实施例所述的康复游戏的动态调整方法。

本发明提供的计算机存储介质，用于实现上述康复游戏的动态调整方法，因此，上述康复游戏的动态调整方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。

以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (10)

1.一种康复游戏的动态调整方法，其特征在于，包括以下步骤：

步骤S1、对康复游戏的游戏用例进行分组，得到多个游戏用例组；

步骤S2、根据患者当前时间段的表现记录以及难度参数获取预估评价参数；

步骤S3、根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组，采用所述实施游戏用例组进行下一时间段的游戏；

步骤S4、更新所述游戏用例，并转步骤S1。

2.根据权利要求1所述的康复游戏的动态调整方法，其特征在于，所述步骤S1之前还包括：

提取康复游戏中控制游戏难度的难度参数以及体现游戏者表现的表现记录，根据所述难度参数以及表现记录将所述康复游戏分解为多个游戏用例。

3.根据权利要求2所述的康复游戏的动态调整方法，其特征在于，所难度参数包括物体速度、位移范围、物体大小以及操控灵敏度；所述表现记录包括单个目标准确率以及单个目标消耗时间。

4.根据权利要求2所述的康复游戏的动态调整方法，其特征在于，所述步骤S4中，更新所述游戏用例包括更新所述难度参数，所述难度参数的更新方法具体为：

判断游戏者当前时间段的表现记录是否优于上一时间段的表现记录，如果是则提高当前时间段的难度参数作为下一时间段的难度参数，否则降低当前时间段的难度参数作为下一时间段的难度参数。

5.根据权利要求2所述的康复游戏的动态调整方法，其特征在于，所述步骤S4中，更新所述游戏用例包括更新所述表现记录，所述表现记录的更新方法具体为，采用自适应算法更新所述表现记录：

上式中，E^* _t为更新表现记录，f_ad(t,E)为所述自适应算法，α和γ均为加权系数，E_t为当前时间段的表现记录，E_t-1、E_t-2…E_t-k+1为历史表现记录，n为康复游戏在一个时间段内用到的游戏用例的数量，n₀为设定阈值。

6.根据权利要求1所述的康复游戏的动态调整方法，其特征在于，所述步骤S1中，对所述游戏用例进行分组具体为:

采用聚类算法对所述游戏用例进行分组，得到多个所述游戏用例组。

7.根据权利要求1所述的康复游戏的动态调整方法，其特征在于，所述步骤S2中获取所述预估评价参数具体为：

Q^*(s,a)＝∑_s'T(s,a,s')*(R(s,a,s')+∑β^k*maxQ^*(s',a'))

上式中，s为患者当前时间段的表现记录，a为患者当前时间段的难度参数，s'为预估表现记录，a'为预估难度参数，Q^*(s,a)为所述预估评价参数，T(s,a,s')为转移函数，即患者从表现记录s转移为预估表现记录s'的概率，R(s,a,s')为患者从表现记录s经过难度参数为a的游戏后达到预估表现记录s'的过程中所得的分值，β为患者进行k次难度参数为a的游戏后得到最好表现记录数的权值，Q^*(s',a')指下一时间段的预估评价参数。

8.根据权利要求1所述的康复游戏的动态调整方法，其特征在于，所述步骤S3具体为：

采用插值算法，将所述预估评价参数插入所述游戏用例中，并匹配出所述实施游戏用例组。

9.一种康复游戏的动态调整系统，其特征在于，自适应模块、训练分组模块、预估评价模块以及游戏模块；

所述训练分组模块用于对康复游戏的游戏用例进行分组，得到多个游戏用例组；

所述预估评价模块用于根据患者当前时间段的表现记录以及难度参数获取预估评价参数；

所述训练分组模块还用于根据所述预估评价参数在多个所述游戏用例组中选取实施游戏用例组；

所述游戏模块用于采用所述实施游戏用例组进行下一时间段的游戏；

所述自适应模块用于更新所述游戏用例，并将更新后的游戏用例发送至所述训练分组模块用于游戏用例分组。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8任一所述的康复游戏的动态调整方法。