메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(광운대학교) (광운대학교)
저널정보
한국엔터테인먼트산업학회 한국엔터테인먼트산업학회논문지 한국엔터테인먼트산업학회논문지 제17권 제4호
오류 신고하기

피인용 2

검색

    초록·키워드

    국내 모바일 게임 시장 발전과 함께 Role Playing Game(RPG) 장르의 인기는 2022년까지도 계속되고 있다. 대부분 RPG에서 자동전투 시스템을 사용하고 있으며 하나의 재미 요소로 자리를 잡을 만큼 자동전투 시스템은 중요해졌다. 자동전투 시스템의 인공지능으로 많이 활용하는 유한 상태 기계(Finite State Machine)의 경우 유지보수와 행동이 비효율적이다. 이러한 비효율적 부분 해결을 위해 알파고, 알파스타 등 복잡한 문제를 해결하기 위해 사용이 되었던 강화학습(Reinforcement Learning)을 연구 방법으로 제안한다.
    본 연구에서는 자동전투 시스템 인공지능 두 가지를 설계 및 구현하여 효율성을 검증하였다. 자동전투시스템을 유한 상태 기계로 설계 및 구현과 유니티 엔진의 머신러닝 툴킷 ML_Agents를 활용하여 강화학습으로 설계 및 구현 하였다. 후 강화학습의 학습 과정 분석을 진행하였고 강화학습과 유한 상태 기계로 구현된 두 인공지능을 에피소드를 완료하는 시간을 비교하는 방식과 연산속도 비교로 효율성 검증을 진행하였다.
    구현된 강화학습 자동전투 시스템의 경우 인공지능이 의도한 대로 학습과 작동을 진행하였으며 유한상태 기계로 구현된 자동 전투 시스템보다 효율적 행동을 보여주었지만 더 많은 연산과 리소스를 필요했다. 또한 구현된 강화학습 인공지능을 빌드하여 PC와 Android 플랫폼에서 정상 작동을 확인하였다.

    최근 본 자료 전체보기

      UCI(KEPA) : I410-ECN-0102-2023-691-001758295