컴퓨터의 연산처리 장치의발전과 빅 데이터로 인해 머신러닝은 4차 산업혁명의 주역이 되었다. 머신러닝은 기존의 명시적인 알고리즘으로 해결하지 못했던 바둑을 극복하였던 ‘알파고’를 기점으로 많은 연구와 개발이 이루어지고 있다. 게임에서 인공지능을 구현하기 위해 주로 사용되는 알고리즘은 '...
컴퓨터의 연산처리 장치의발전과 빅 데이터로 인해 머신러닝은 4차 산업혁명의 주역이 되었다. 머신러닝은 기존의 명시적인 알고리즘으로 해결하지 못했던 바둑을 극복하였던 ‘알파고’를 기점으로 많은 연구와 개발이 이루어지고 있다. 게임에서 인공지능을 구현하기 위해 주로 사용되는 알고리즘은 'FSM(Finite State Machine)'이 있으나 이는 유지보수의 문제를 가지고 있으며 유지보수의 문제로 인해 단순화된 게임 패턴은 쉽게 공략되어 사용자가 게임에 흥미를 쉽게 잃는 문제점을 가지고 있다. 'FSM'의 유지보수에 들어가는 개발자원을 게임 개발에 이용할 수 있다면 게임의 질적인 향상을 얻을 수 있을 것이다. 본 연구에서는 머신러닝을 게임 인공지능에 접목하여 'FSM'이 가진 유지보수의 문제점을 해결하기 위해 ‘유니티 엔진’의 머신러닝 플랫폼인 'ML_Agent'를 기반으로 게임 진행과정이 바둑과 달리 실시간으로 환경이 변화하는 유동적인 환경의 격투게임을 설계, 구현하였다. 구현된 머신러닝 인공지능은 학습을 통해 의도한대로 작동하였으며 환경에 스스로 적응, 학습하여 승리를 위한 움직임과 전략적인 행동들을 스스로 취했다. 이러한 결과는 다양한 패턴을 보여주기 위해 사람의 손으로 직접 코드를 설계해야하는 'FSM'보다 유지보수 측면에서 이점을 보여주었다. 구현된 게임은 PC버전으로 빌드하여 플레이할 수 있었고 이를 통해 ‘유니티 엔진’의 PC플랫폼에서는 문제없이 머신러닝을 게임에 적용할 수 있음을 확인할 수 있었다.
컴퓨터의 연산처리 장치의발전과 빅 데이터로 인해 머신러닝은 4차 산업혁명의 주역이 되었다. 머신러닝은 기존의 명시적인 알고리즘으로 해결하지 못했던 바둑을 극복하였던 ‘알파고’를 기점으로 많은 연구와 개발이 이루어지고 있다. 게임에서 인공지능을 구현하기 위해 주로 사용되는 알고리즘은 'FSM(Finite State Machine)'이 있으나 이는 유지보수의 문제를 가지고 있으며 유지보수의 문제로 인해 단순화된 게임 패턴은 쉽게 공략되어 사용자가 게임에 흥미를 쉽게 잃는 문제점을 가지고 있다. 'FSM'의 유지보수에 들어가는 개발자원을 게임 개발에 이용할 수 있다면 게임의 질적인 향상을 얻을 수 있을 것이다. 본 연구에서는 머신러닝을 게임 인공지능에 접목하여 'FSM'이 가진 유지보수의 문제점을 해결하기 위해 ‘유니티 엔진’의 머신러닝 플랫폼인 'ML_Agent'를 기반으로 게임 진행과정이 바둑과 달리 실시간으로 환경이 변화하는 유동적인 환경의 격투게임을 설계, 구현하였다. 구현된 머신러닝 인공지능은 학습을 통해 의도한대로 작동하였으며 환경에 스스로 적응, 학습하여 승리를 위한 움직임과 전략적인 행동들을 스스로 취했다. 이러한 결과는 다양한 패턴을 보여주기 위해 사람의 손으로 직접 코드를 설계해야하는 'FSM'보다 유지보수 측면에서 이점을 보여주었다. 구현된 게임은 PC버전으로 빌드하여 플레이할 수 있었고 이를 통해 ‘유니티 엔진’의 PC플랫폼에서는 문제없이 머신러닝을 게임에 적용할 수 있음을 확인할 수 있었다.
Due to the development of computer's computational processing unit and big data, Machine Learning became the main driver of the fourth industrial revolution. Machine learning is being researched and developed based on AlphaGo, which has overcome 'GO', which was not solved through its explicit algori...
Due to the development of computer's computational processing unit and big data, Machine Learning became the main driver of the fourth industrial revolution. Machine learning is being researched and developed based on AlphaGo, which has overcome 'GO', which was not solved through its explicit algorithm. The algorithm used primarily to implement artificial intelligence in games has a 'Finite State Machine(FSM)', but it has a maintenance problem, and the simplified game pattern due to maintenance problems is easily targeted and the user loses interest in the game. If the development resources that go into maintenance of the 'FSM' are available for game development, the quality of the game will be improved. In this study, to solve maintenance problem of 'FSM' by applying machine learning to game artificial intelligence, game progress was designed and implemented based on 'ML_Agent', which is machine learning platform of 'Unity Engine', in which the environment changes in real time unlike Go. The implemented machine learning artificial intelligence worked as intended through learning and adapted itself to the environment and took on the moves and strategic actions for victory. These results showed an advantage in terms of maintenance over the 'FSM', which requires a person to design the code directly with his or her hands to show a variety of patterns. The implemented game could be built and played on a PC version, and the PC platform of the 'Unity Engine' proved that machine learning could be applied to the game without any problems.
Due to the development of computer's computational processing unit and big data, Machine Learning became the main driver of the fourth industrial revolution. Machine learning is being researched and developed based on AlphaGo, which has overcome 'GO', which was not solved through its explicit algorithm. The algorithm used primarily to implement artificial intelligence in games has a 'Finite State Machine(FSM)', but it has a maintenance problem, and the simplified game pattern due to maintenance problems is easily targeted and the user loses interest in the game. If the development resources that go into maintenance of the 'FSM' are available for game development, the quality of the game will be improved. In this study, to solve maintenance problem of 'FSM' by applying machine learning to game artificial intelligence, game progress was designed and implemented based on 'ML_Agent', which is machine learning platform of 'Unity Engine', in which the environment changes in real time unlike Go. The implemented machine learning artificial intelligence worked as intended through learning and adapted itself to the environment and took on the moves and strategic actions for victory. These results showed an advantage in terms of maintenance over the 'FSM', which requires a person to design the code directly with his or her hands to show a variety of patterns. The implemented game could be built and played on a PC version, and the PC platform of the 'Unity Engine' proved that machine learning could be applied to the game without any problems.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.