NPCهای احساس‌محور؛ تشخیص احساسات بازیکنان و تحول شخصیت‌های هوشمند در بازی‌ها

شخصیت‌های غیرقابل‌بازی (NPC) از عناصر اصلی دنیای بازی‌های ویدیویی هستند؛ اما بسیاری از آن‌ها هنوز بر اساس واکنش‌های از پیش تعیین‌شده عمل می‌کنند و نمی‌توانند به شکل واقعی با احساسات بازیکن ارتباط برقرار کنند. با پیشرفت هوش مصنوعی و رایانش عاطفی (Affective Computing)، این امکان به وجود آمده است که NPCها علاوه بر تشخیص رفتار بازیکنان، نشانه‌های احساسی آن‌ها را نیز شناسایی کنند و واکنش‌هایی متناسب با وضعیت عاطفی‌شان نشان دهند.

یکی از رویکردهای مورد بررسی در این حوزه، بازتاب عاطفی (Affective Mirroring) نام دارد. در این روش، شخصیت‌های بازی تلاش می‌کنند حالت احساسی بازیکن را تشخیص دهند و با نمایش واکنش‌هایی هماهنگ، تعامل طبیعی‌تری ایجاد کنند. برای مثال، اگر بازیکن هنگام گفت‌وگو لبخند بزند، NPC نیز می‌تواند با حالتی مثبت پاسخ دهد؛ یا در یک موقعیت غم‌انگیز، واکنشی متناسب با فضای احساسی صحنه نشان دهد.

پژوهشی با عنوان Affective Mirroring in Video Game NPCs: A Pilot Study Evaluating Player Engagement که در سال 2025 منتشر شده، به بررسی این موضوع پرداخته است که آیا بازتاب احساسات بازیکن می‌تواند ارتباط عاطفی او با شخصیت‌های بازی را تقویت کند یا خیر. محققان برای بررسی این فرضیه، یک بازی داستانی و تعاملی با محوریت قرار ملاقات طراحی کردند و در آن از تحلیل حالات چهره برای شناسایی احساسات بازیکنان استفاده کردند.

رایانش عاطفی؛ وقتی هوش مصنوعی احساسات انسان را تحلیل می‌کند

رایانش عاطفی شاخه‌ای از فناوری است که به سیستم‌های تعاملی امکان می‌دهد نشانه‌های احساسی انسان را شناسایی و بر اساس آن‌ها واکنش نشان دهند. هدف این فناوری صرفاً تشخیص چهره یا تحلیل رفتار نیست؛ بلکه تلاش می‌کند ارتباط میان وضعیت عاطفی انسان و پاسخ سیستم را بهبود دهد.

در صنعت بازی، چنین قابلیتی می‌تواند به تجربه‌ای شخصی‌تر منجر شود. به‌جای اینکه تمام بازیکنان در شرایط مشابه واکنش یکسانی از بازی دریافت کنند، سیستم می‌تواند بخشی از رفتار خود را با وضعیت احساسی هر فرد هماهنگ کند. برای نمونه، بازی می‌تواند با توجه به نشانه‌های استرس، میزان دشواری را تغییر دهد یا واکنش شخصیت‌های داستانی را با شرایط احساسی بازیکن تطبیق دهد.

بازی‌هایی مانند Nevermind و Silent Hill: Shattered Memories نمونه‌هایی از تلاش‌های پیشین برای استفاده از اطلاعات مرتبط با وضعیت روانی و احساسی بازیکن هستند. در Nevermind، بازی از تحلیل حالات چهره و داده‌های زیستی برای سازگار کردن میزان دشواری با استرس بازیکن استفاده می‌کند. Silent Hill: Shattered Memories نیز با بهره‌گیری از نوعی پروفایل‌سازی روان‌شناختی، برخی عناصر روایی را با ویژگی‌های بازیکن تطبیق می‌دهد.

با این حال، بازتاب عاطفی در NPCها هدف مشخص‌تری را دنبال می‌کند: شخصیت بازی فقط به اطلاعات احساسی بازیکن واکنش نشان نمی‌دهد، بلکه تلاش می‌کند حالت عاطفی او را در رفتار و حالات چهره خود بازتاب دهد.

تشخیص احساسات بازیکن چگونه انجام می‌شود؟

برای اینکه یک NPC بتواند واکنش عاطفی مناسبی نشان دهد، ابتدا باید اطلاعاتی درباره وضعیت احساسی بازیکن به دست آورد. پژوهش مورد بررسی سه روش اصلی برای این کار معرفی می‌کند که هرکدام مزایا و محدودیت‌های خاص خود را دارند.

تحلیل حالات چهره

در این روش، دوربین دستگاه بازیکن، مانند وب‌کم لپ‌تاپ، تغییرات حرکات صورت را ثبت می‌کند. سپس نرم‌افزار با بررسی این تغییرات تلاش می‌کند حالت احساسی فرد را تشخیص دهد.

ابزارهایی مانند Affectiva AffDex و MoodME از جمله فناوری‌هایی هستند که برای تحلیل حالات چهره استفاده می‌شوند. مزیت این روش، دسترسی نسبتاً آسان و عدم نیاز به تجهیزات تخصصی است؛ اما تشخیص احساسات ظریف، کیفیت تصویر و حتی خنثی بودن حالت چهره بازیکن می‌توانند دقت سیستم را کاهش دهند.

تشخیص احساسات از طریق صدا

روش دیگر، تحلیل ویژگی‌های صوتی گفتار است. در این فناوری، عواملی مانند لحن و زیر و بمی صدا (Pitch) بررسی می‌شوند تا سیستم بتواند نشانه‌هایی از وضعیت احساسی فرد را شناسایی کند.

این روش می‌تواند اطلاعاتی فراتر از حالات چهره در اختیار سیستم قرار دهد؛ اما کیفیت پایین صدا ممکن است دقت تشخیص را کاهش دهد. از طرف دیگر، صحبت کردن با صدای بلند در تمام بازی‌ها طبیعی نیست و ممکن است بازیکن هنگام تجربه یک بازی تک‌نفره تمایلی به صحبت کردن نداشته باشد. در نتیجه، استفاده از این روش می‌تواند در برخی موقعیت‌ها به تجربه بازی لطمه بزند.

استفاده از حسگرهای زیستی

حسگرهای زیستی نیز می‌توانند شاخص‌هایی مانند ضربان قلب و هدایت الکتریکی پوست (Skin Conductance) را اندازه‌گیری کنند. این اطلاعات برای بررسی واکنش‌های فیزیولوژیک بدن به شرایط مختلف به کار می‌روند.

اگرچه این روش امکان جمع‌آوری اطلاعات دقیق‌تری درباره واکنش‌های بدنی فراهم می‌کند، به تجهیزات جانبی نیاز دارد و ممکن است برای تجربه معمول بازی بیش از حد محدودکننده یا مزاحم باشد.

در پژوهش مورد بررسی، محققان تحلیل حالات چهره را انتخاب کردند؛ زیرا این روش از نظر دسترسی، راحتی استفاده و نیاز نداشتن به تجهیزات تخصصی، تعادل مناسبی برای اجرای آزمایش فراهم می‌کرد.

[تصویر 1: نمونه‌ای از تشخیص احساسات از طریق تحلیل حالات چهره و بازتاب آن در تعامل با شخصیت مجازی]

از واکنش‌های از پیش تعیین‌شده تا شخصیت‌های احساس‌محور

بسیاری از بازی‌ها پیش از این نیز تلاش کرده‌اند شخصیت‌هایی با واکنش‌های احساسی قابل‌باور خلق کنند. برای مثال، در L.A. Noire حالات چهره شخصیت‌ها بخشی از روند گیم‌پلی است و بازیکن باید از روی رفتار و چهره آن‌ها اطلاعاتی درباره صداقتشان به دست آورد.

در Disco Elysium نیز ویژگی‌هایی مانند همدلی و منطق به شکل شخصیت‌ها و صداهای درونی ظاهر می‌شوند و بر گفت‌وگوها و تصمیم‌گیری‌های بازی تاثیر می‌گذارند. در مجموعه The Walking Dead، انتخاب‌های بازیکن می‌توانند بر روند داستان و احساسات یا نگرش شخصیت‌های دیگر تاثیر بگذارند. بازی Façade نیز نمونه‌ای از تلاش برای ساخت یک تجربه داستانی تعاملی است که در آن رفتار بازیکن می‌تواند روایت و تصمیم‌های شخصیت‌ها را تغییر دهد.

با وجود این نمونه‌ها، پژوهشگران معتقدند بسیاری از واکنش‌های احساسی در بازی‌ها همچنان به سناریوها و شرایط از پیش تعریف‌شده وابسته‌اند. بازتاب عاطفی مبتنی بر هوش مصنوعی می‌تواند این محدودیت را کاهش دهد؛ زیرا NPC به‌جای تکرار یک واکنش ثابت، تلاش می‌کند نشانه‌های احساسی بازیکن را در لحظه تشخیص دهد و متناسب با آن‌ها پاسخ دهد.

البته تفاوت مهمی میان واکنش به انتخاب‌های بازیکن و بازتاب احساسات او وجود دارد. در حالت اول، شخصیت به کاری که بازیکن انجام داده پاسخ می‌دهد؛ اما در حالت دوم، وضعیت عاطفی بازیکن نیز به یکی از عوامل موثر بر رفتار شخصیت تبدیل می‌شود.

BotBond؛ آزمایش بازتاب احساسات در یک بازی داستانی

برای بررسی تاثیر این فناوری، محققان نمونه اولیه‌ای به نام BotBond را با موتور بازی‌سازی Unity توسعه دادند. این بازی در قالب یک تجربه داستانی و قرار ملاقات طراحی شده بود و به بازیکنان اجازه می‌داد با شخصیت‌های مختلف تعامل کنند.

در BotBond، از افزونه MoodME برای Unity استفاده شد تا حالات چهره بازیکن از طریق دوربین ثبت و تحلیل شوند. سپس NPC می‌توانست بر اساس اطلاعات به‌دست‌آمده، حالات چهره خود را تغییر دهد و واکنشی هماهنگ با بازیکن نمایش دهد.

طراحی بازی بر سه جنبه اصلی تجربه احساسی تمرکز داشت:

• جنبه بصری و حسی (Visceral): طراحی ظاهری شخصیت‌ها و انیمیشن‌های چهره برای ایجاد واکنش‌های قابل‌مشاهده و جذاب.

• جنبه رفتاری (Behavioral): ایجاد پاسخ‌های پویا و متناسب با رفتار و احساسات بازیکن.

• جنبه بازتابی (Reflective): استفاده از روایت و تعاملات داستانی برای شکل‌گیری ارتباط عاطفی عمیق‌تر.

محققان در مراحل اولیه آزمایش متوجه شدند که میزان بروز احساسات در چهره افراد متفاوت است. برخی شرکت‌کنندگان واکنش‌های چهره‌ای واضحی نشان می‌دادند، درحالی‌که تشخیص حالات احساسی برخی دیگر دشوارتر بود. به همین دلیل، قابلیت انتخاب گزینه‌های گفت‌وگو از طریق صدا نیز به بازی اضافه شد تا تعاملات طبیعی‌تر شوند و بازیکنان هنگام صحبت کردن، حالات چهره متناسب‌تری از خود نشان دهند.

[تصویر 2: نمایی از بازی آزمایشی BotBond که محیط سایبرپانکی و شخصیت‌های رباتیک آن را نشان می‌دهد]

سه شخصیت با سطوح متفاوت بازتاب عاطفی

در نسخه نهایی BotBond، بازیکن در یک رویداد قرار ملاقات سریع (Speed Dating) با سه شخصیت رباتیک تعامل می‌کرد. هر شخصیت روش متفاوتی برای واکنش به احساسات بازیکن داشت:

1. شخصیت با واکنش‌های از پیش تعیین‌شده: این NPC بر اساس مجموعه‌ای از واکنش‌های ثابت عمل می‌کرد و قابلیت تشخیص احساسات واقعی بازیکن را نداشت.

2. شخصیت مجهز به تشخیص هوشمند حالات چهره: این شخصیت با کمک سیستم تحلیل چهره تلاش می‌کرد احساسات بازیکن را در لحظه شناسایی کند و واکنش مناسبی نشان دهد.

3. شخصیت با کنترل دستی و بازتاب عاطفی حساس‌تر: واکنش‌های این NPC را یکی از پژوهشگران به‌صورت دستی کنترل می‌کرد. هدف از طراحی آن، شبیه‌سازی عملکرد یک سیستم خودکار ایده‌آل بود که بتواند با دقت و حساسیت بیشتری به حالات بازیکن واکنش نشان دهد.

انتخاب شخصیت‌های رباتیک نیز بخشی از طراحی آزمایش بود. محققان با استفاده از سرهای رباتیک که حالات چهره و گفتار شخصیت‌ها را نمایش می‌دادند، تلاش کردند تاثیر ظاهر و جنسیت شخصیت‌ها بر قضاوت شرکت‌کنندگان را کاهش دهند.

نتایج آزمایش؛ آیا بازتاب احساسات واقعاً ارتباط عاطفی را تقویت می‌کند؟

برای ارزیابی BotBond، 10 دانشجوی دانشگاه با جنسیت‌های مختلف و در بازه سنی 21 تا 24 سال در آزمایش شرکت کردند. این گروه شامل افراد علاقه‌مند به بازی و همچنین افرادی بود که تجربه زیادی در بازی‌های ویدیویی نداشتند.

هر شرکت‌کننده با هر سه شخصیت تعامل کرد و ترتیب این تعاملات به‌صورت تصادفی تعیین شد تا آشنایی قبلی با محیط بازی بر نتیجه تاثیر نگذارد. محققان نیز اطلاعات موردنیاز را از طریق مشاهده رفتار و حالات چهره شرکت‌کنندگان، مصاحبه‌های پس از بازی و انتخاب‌های آن‌ها در طول تجربه جمع‌آوری کردند.

نتایج نشان داد شخصیت مجهز به بازتاب عاطفی دستی توانسته بود تعامل احساسی بیشتری ایجاد کند. بازیکنان هنگام ارتباط با این شخصیت، حالات چهره و واکنش‌های بیانگرانه‌تری از خود نشان می‌دادند. این اثر زمانی بیشتر شد که بازیکنان متوجه شدند NPC در حال بازتاب دادن احساسات آن‌هاست.

یکی از نتایج قابل‌توجه این بود که 7 نفر از 10 شرکت‌کننده، شخصیت دارای بازتاب عاطفی دستی را به‌عنوان شخصیتی انتخاب کردند که بیشترین ارتباط را با آن احساس کرده بودند. در مقابل، تنها یک نفر شخصیت مجهز به تشخیص هوشمند حالات چهره را انتخاب کرد.

این تفاوت نشان می‌دهد که صرف استفاده از هوش مصنوعی و تشخیص حالات چهره لزوماً به ایجاد تعامل بهتر منجر نمی‌شود. در این آزمایش، شخصیت کنترل‌شده توسط پژوهشگر توانست واکنش‌هایی دقیق‌تر و متناسب‌تر ارائه دهد؛ درحالی‌که سیستم خودکار در تشخیص برخی حالات چهره با مشکل روبه‌رو بود.

چرا واکنش‌های ظریف و متناسب اهمیت دارند؟

یکی از مهم‌ترین یافته‌های پژوهش این بود که بازیکنان به واکنش‌های ظریف و هماهنگ با موقعیت داستانی علاقه بیشتری داشتند.

برای مثال، اگر شخصیت بازی در یک گفت‌وگوی غم‌انگیز قرار داشت، نمایش یک واکنش شاد از سوی NPC می‌توانست غیرطبیعی و نامتناسب به نظر برسد. همچنین، زمانی که سیستم به هر حرکت تصادفی صورت بازیکن واکنش نشان می‌داد، برخی شرکت‌کنندگان درباره هوشمندی و استقلال شخصیت تردید می‌کردند.

به همین دلیل، محققان پیشنهاد کردند سیستم‌های آینده تنها به تشخیص یک حالت چهره اکتفا نکنند و شرایط داستانی و معنای تعامل را نیز در نظر بگیرند. برای نمونه، در یک صحنه ناراحت‌کننده، سیستم باید واکنش‌هایی مانند غم یا همدلی را در اولویت قرار دهد و از نمایش واکنش‌های نامتناسب جلوگیری کند.

از طرف دیگر، شرکت‌کنندگان معتقد بودند واکنش‌های اغراق‌آمیز چهره، واقع‌گرایی شخصیت را کاهش می‌دهد. آن‌ها ترجیح می‌دادند NPC به‌جای تقلید دقیق و لحظه‌ای از تمام حرکات صورت، واکنش‌هایی طبیعی و کنترل‌شده نشان دهد.

محققان همچنین دریافتند که خواندن متن گفت‌وگو می‌تواند توجه بازیکن را از حالات چهره شخصیت منحرف کند. انتخاب صوتی دیالوگ‌ها تا حدی این مشکل را کاهش داد و باعث شد بازیکنان در طول تعامل، احساسات خود را آزادانه‌تر بروز دهند.

[تصویر 3: مقایسه واکنش‌های سه NPC در BotBond؛ واکنش ثابت، تشخیص خودکار حالات چهره و بازتاب عاطفی کنترل‌شده]

محدودیت‌های فنی؛ چرا تشخیص احساسات هنوز به دقت کافی نرسیده است؟

با وجود نتایج امیدوارکننده، پژوهش BotBond محدودیت‌هایی را نیز نشان داد که توسعه این فناوری را با چالش روبه‌رو می‌کنند.

نخستین مشکل، تفاوت میان افراد در نمایش احساسات است. همه بازیکنان هنگام خوشحالی، ناراحتی یا تعجب واکنش‌های چهره‌ای واضحی نشان نمی‌دهند. در نتیجه، سیستم ممکن است یک حالت احساسی را اشتباه تشخیص دهد یا اصلاً متوجه تغییر آن نشود. در آزمایش BotBond نیز تنها یک شرکت‌کننده به‌طور طبیعی توانست واکنشی غیرخنثی ایجاد کند که سیستم هوشمند آن را تشخیص دهد.

مشکل دیگر، محدود بودن اطلاعاتی است که سیستم تحلیل چهره در اختیار دارد. در این پژوهش، بازتاب عاطفی عمدتاً به حالات چهره و تعاملات گفت‌وگومحور محدود بود؛ درحالی‌که احساسات انسان از طریق لحن صدا، زبان بدن، رفتار و محتوای گفت‌وگو نیز قابل‌بررسی هستند.

برای مثال، ممکن است بازیکنی در یک صحنه ترسناک چهره‌ای نسبتاً خنثی داشته باشد، اما لحن صدا یا واکنش‌های بدنی او نشانه‌هایی از اضطراب را نشان دهند. ترکیب این اطلاعات می‌تواند در آینده به سیستم کمک کند وضعیت احساسی بازیکن را دقیق‌تر ارزیابی کند.

البته افزایش تعداد ورودی‌ها به‌تنهایی تضمین‌کننده عملکرد بهتر نیست. سیستم باید بتواند اطلاعات مختلف را با یکدیگر ترکیب کند و از واکنش‌های اشتباه یا متناقض جلوگیری کند. علاوه بر این، ادغام چنین فناوری‌هایی با موتورهای بازی‌سازی و طراحی واکنش‌های طبیعی برای شخصیت‌ها نیز به توسعه بیشتری نیاز دارد.

نکته مهم دیگر، محدودیت خود پژوهش است. آزمایش تنها با 10 شرکت‌کننده و در یک بازی داستانی با مدت و محتوای محدود انجام شده است. بنابراین، نمی‌توان نتایج آن را بدون آزمایش‌های گسترده‌تر به تمام سبک‌های بازی یا همه گروه‌های بازیکنان تعمیم داد.

آینده NPCهای احساس‌محور؛ از تشخیص چهره تا تعامل چندوجهی

پژوهشگران برای توسعه نسل بعدی NPCهای احساس‌محور، پیشنهاد می‌کنند سیستم‌های تشخیص احساسات بتوانند نشانه‌های ظریف‌تری را از چهره، صدا و زبان بدن شناسایی کنند.

یکی از مسیرهای احتمالی، استفاده از تعامل چندوجهی (Multimodal Interaction) است. در این رویکرد، سیستم به‌جای تکیه بر یک منبع اطلاعاتی، داده‌های مختلفی مانند صدا، متن، نشانه‌های بصری، بازخورد لمسی (Haptic Feedback) و ردیابی چشم (Eye Tracking) را در کنار یکدیگر بررسی می‌کند.

چنین رویکردی می‌تواند به NPCها کمک کند درک کامل‌تری از شرایط بازیکن داشته باشند و واکنش‌های متناسب‌تری نشان دهند. برای مثال، یک شخصیت هوشمند در بازی ترسناک می‌تواند با تشخیص نشانه‌های ترس، رفتار یا لحن خود را تغییر دهد و تنش صحنه را افزایش دهد. در یک بازی کمدی نیز شناسایی نشانه‌های شادی و سرگرمی می‌تواند به هماهنگ‌تر شدن واکنش شخصیت‌ها با فضای داستان کمک کند.

محققان همچنین معتقدند بازتاب عاطفی محدود به بازی‌های داستانی و قرار ملاقات نیست و می‌توان آن را در سبک‌های مختلف بررسی کرد. بازی‌های ترسناک و کمدی به دلیل ایجاد واکنش‌های احساسی واضح‌تر، می‌توانند محیط‌های مناسبی برای آزمایش این فناوری باشند.

البته تمام این موارد در حال حاضر بیشتر در حد مسیرهای پیشنهادی برای توسعه و پژوهش‌های آینده قرار دارند و نباید آن‌ها را قابلیت‌های تثبیت‌شده بازی‌های تجاری دانست.

حریم خصوصی و خطر دست‌کاری احساسات بازیکنان

تشخیص احساسات بازیکن فقط یک مسئله فنی نیست و پیامدهای اخلاقی مهمی نیز دارد. دوربین، میکروفون و حسگرهای زیستی می‌توانند اطلاعاتی درباره وضعیت عاطفی افراد جمع‌آوری کنند؛ اطلاعاتی که ممکن است حساس و شخصی باشند.

به همین دلیل، توسعه‌دهندگان باید به بازیکنان توضیح دهند چه داده‌هایی جمع‌آوری می‌شود، این اطلاعات چگونه مورد استفاده قرار می‌گیرند و آیا ذخیره یا در اختیار اشخاص دیگر قرار می‌گیرند یا خیر. فراهم کردن امکان غیرفعال کردن این قابلیت، محافظت از داده‌ها و استفاده از روش‌های ناشناس‌سازی نیز از اقداماتی است که پژوهش بر اهمیت آن‌ها تاکید می‌کند.

نگرانی دیگر، احتمال استفاده از اطلاعات احساسی برای دست‌کاری رفتار بازیکن است. اگر یک بازی بتواند وضعیت عاطفی فرد را تشخیص دهد، ممکن است از این اطلاعات برای تاثیرگذاری بر تصمیم‌های او یا تشویق به خریدهای درون‌برنامه‌ای استفاده کند. چنین کاربردی، به‌ویژه برای افراد آسیب‌پذیر، می‌تواند مشکل‌ساز باشد.

بنابراین، استفاده مسئولانه از هوش مصنوعی عاطفی باید بر حفظ اختیار بازیکن و سلامت تجربه او تمرکز داشته باشد؛ نه صرفاً افزایش زمان بازی یا درآمدزایی.

جمع‌بندی؛ آیا NPCها می‌توانند ارتباط عاطفی واقعی‌تری با بازیکنان برقرار کنند؟

بازتاب عاطفی یکی از مسیرهای جالب توسعه شخصیت‌های هوشمند در بازی‌های ویدیویی است. این فناوری تلاش می‌کند فاصله میان واکنش‌های از پیش تعیین‌شده NPCها و تعاملات انسانی را کاهش دهد و شخصیت‌هایی بسازد که بتوانند نشانه‌های احساسی بازیکن را تشخیص دهند و متناسب با آن‌ها واکنش نشان دهند.

پژوهش BotBond نشان داد که چنین رویکردی می‌تواند ارتباط عاطفی بازیکنان با NPCها را تقویت کند؛ اما نتیجه آزمایش یک نکته مهم را نیز روشن کرد: واکنش طبیعی و متناسب، از صرفاً هوشمند بودن سیستم اهمیت بیشتری دارد. یک NPC که به هر حرکت صورت واکنش نشان می‌دهد، الزاماً شخصیت باورپذیرتری نیست.

برای رسیدن به چنین تجربه‌ای، سیستم‌های آینده باید احساسات را با دقت بیشتری تشخیص دهند، شرایط داستانی را در نظر بگیرند و از ترکیب اطلاعات چهره، صدا و رفتار بهره ببرند. در کنار این پیشرفت‌ها، حفظ حریم خصوصی و جلوگیری از سوءاستفاده از داده‌های احساسی نیز اهمیت زیادی دارد.

اگر این چالش‌ها برطرف شوند، NPCها در آینده می‌توانند فراتر از شخصیت‌هایی با دیالوگ‌های از پیش نوشته‌شده عمل کنند و به همراهانی تبدیل شوند که تعامل با آن‌ها، با احساسات و واکنش‌های خود بازیکن ارتباط نزدیک‌تری دارد.

منبع اصلی

- Affective Mirroring in Video Game NPCs: A Pilot Study Evaluating Player Engagement – ACM FDG 2025