$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

유전자 알고리즘을 사용한 게임 레벨 디자인 기법
A Game Level Design Technique Using the Genetic Algorithms 원문보기

컴퓨터그래픽스학회논문지 = Journal of the Korea Computer Graphics Society, v.15 no.4, 2009년, pp.13 - 21  

강신진 (홍익대학교 게임학부) ,  신승호 (고려대학교 정보통신대학 컴퓨터학과) ,  조성현 (홍익대학교 게임학부)

초록
AI-Helper 아이콘AI-Helper

레벨디자인은 게임 개발에 있어 가장 중요한 부분 중 하나이지만, 많은 게임 내 구성 요소가 복합적으로 영향을 미치어 최적의 조합을 찾기가 어려운 문제이다. 본 논문에서는 유전자 알고리즘을 사용하여 범용적인 게임 레벨 생성을 위한 방법을 새로이 제안한다. 제안된 시스템을 통해 게임 디자이너는 단순화된 목표 수치 입력만으로도 다양한 게임 구성 요소로 이루어진 레벨을 근사화시켜 생성할 수 있게 된다. 이는 게임 레벨 디자인 업무 프로세스 상에서 원하는 최적의 레벨을 구성하는데 걸리는 시행 착오 시간을 단축시키는데 도움이 될 수 있다.

Abstract AI-Helper 아이콘AI-Helper

Game level design is one of the important parts in the commercial game development. Because of its complexity in combining game components, game design work could be classified into a non-linear problem. In this paper, we propose a new automated game level design system by using genetic algorithms. ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 게 임 레벨은 게 임 디자이 너 가 의도하는 수준의 연속된 텐션을 제공하는 것으로 가정하였고 유전자 알고리즘을 통해 주어진 텐션값을 만족시 킬 수 있는 최 적화된 조합을 찾아내는 것을 목표로 하였다.
  • 본 논문에서 풀고자 하는 문제는 텐션 목표값에 수렴되는 최적화된 게임 내 오브젝트 조합을 찾는 것이다. 이를 위해 본 시스템에서는 하나의 염색체를 스테이지를 상징하는 다수의유전자(Gene)으로 구성하였다.
  • 플레이어가 트랩과 충돌하게 되면 높은 확률로 플레이어 캐릭터 파라미터를 약화시키게 된다. 본 논문에서는 HP 하락 스킬 설정으로 트랩을 구성하여 게임의 불확실성 요소를 부분적으로 강화시 키고자 하였다.
  • 연속적 인 레벨 환경 내에서 플레이어 캐릭터의 HP 는 초기에 최대치로 채워진 이후에 회복이 되지 않는 반면에, 불연속인 레벨 환경에서는 일정 구간 별로 플레이어캐릭터의 HP 가 최대치로 회복되게 된다. 논문에서는 게임의 난이도가 상대적으로 낮고 독립적으로 스테이지를 구성할 수 있는 불연속 레벨을 모델로 하였다. [그림 1] 은불연속 레벨과 이에 포함된 스테 이 지 구조를 표현한 그림 이 다.
  • 본 논문에서는 기존에 NPC 학습 부분에 주로 적용되었던 유전자 알고리즘을 게임 내 레벨 디자인 부분에 새로이 적용함으로써 게임을 구성하는 모든 요소들의 최적화된 조합으로 레 벨 이 생 성되 도록 하는 것을 목표로 한다.
  • 본 논문에서는 유전자 알고리즘을 사용하여 범용적인 게임 레벨 생성을 위한 방법을 새로이 제 안하였다. 제안된 시스템은 게임 디자이너가 입력한 텐션값을 기준으로 게임 내 구성요소를 조합하여 최 적화 조합을 생성해 낼 수 있도록 하였다.
  • 본 논문에서는 유전자 알고리즘을 사용하여, 현 레벨 디자인작업 프로세스 상에서의 레벨 디자인 구성요소의 조합에 대한 수치적 불확실성을 해소하고, 시간적 소모를 줄일 수 있는 자동화된 레벨 디자인 모델을 제안한다. 이를 통해 레벨 디자인 시에 발생할 수 있는 다수의 시행 착오를 게임 레벨 디자인단계 에서 경 감시 키고자 한다.
  • 이는 일반적인 도박에서의 더 많은 배팅을 하였을 경우 승리 시더 많은 기쁨을 얻는다는 점과, 특정 스테이지를 죽지 않고 아슬아슬하게 클리어 시 많은 긴장감과 성취감을 느낄 수 있다는 경험적 사실에 근거하였다. 본 논문에서는 이러한 긴장도를 스테 이 지 클리 어 시 플레 이 어 캐 릭 터의 남아있는 HP 잔량에 반비례한다고 설정하였다. 본 논문에서는 가우 시안함수를 사용하여 긴장도를 계산하도록 하였다 (수식 1).
  • 레벨 디자인 모델을 제안한다. 이를 통해 레벨 디자인 시에 발생할 수 있는 다수의 시행 착오를 게임 레벨 디자인단계 에서 경 감시 키고자 한다.

가설 설정

  • 3. 스테 이지는 강제로 일정 속도로 스크롤된다.
  • 4. 스테 이 지 내 몬스터들은 순차적 으로 주인공을 공격 한다. 5.
  • 외부 요인에 의해 피해를 입을 때마다 수치가 줄어들게 된다. 몬스터의 HP 가0이 되게 되면해당몬스터를플레이어가물리친 것으로 가정하여 처리한다. 플레이어 캐릭터의 HP 가 0 이 되면 몬스터에 의해 사망한 것으로 처리하여 게임 플레이를 중단시키고 페널티를 부여한다.
  • 그러나 이를 게임 내 사용되는 다양한 수치를 근거로 예상치를 도출해 낼 수는 있다. 논문에서는 게임의 재미 부분을 게임 내 공간 상에의 긴장도에 비례하는 것으로 가정하였다.즉 게임 내 플레이어가 긴장도가 높은 특정 공간 클리 어 시 에는, 긴장도가 낮은 공간을 클리 어 시 보다 좀 더 높은 성취감과 재미를 얻을 수 있을 것으로 가정하였다.
  • 논문에서는 게임의 재미 부분을 게임 내 공간 상에의 긴장도에 비례하는 것으로 가정하였다.즉 게임 내 플레이어가 긴장도가 높은 특정 공간 클리 어 시 에는, 긴장도가 낮은 공간을 클리 어 시 보다 좀 더 높은 성취감과 재미를 얻을 수 있을 것으로 가정하였다. 이는 일반적인 도박에서의 더 많은 배팅을 하였을 경우 승리 시더 많은 기쁨을 얻는다는 점과, 특정 스테이지를 죽지 않고 아슬아슬하게 클리어 시 많은 긴장감과 성취감을 느낄 수 있다는 경험적 사실에 근거하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (12)

  1. D. Fu, Y. Houlette, S. Henke, "Putting AI in Entertainment: An AI Authoring Tool for Simulation and Games," IEEE Intelligent and Systems, vol. 17, no. 4, pp. 81-84, 2002. 

  2. D. Johnson and J. Wiles, "Computer Games with Intelligence," IEEE International Fuzzy Systems Conference, pp. 1355-1358, 2001. 

  3. J. Togelius and J. Schmidhuber, "'An Experiement in Automatic Game Design," IEEE Symposium on Computational Intelligence and Games, 2008. 

  4. 김미숙, 강태원, "게임 캐릭터의 진화하는 디자인," 한국정보과학회 학술발표대회 논문집, 제30권, 제1호, pp. 410-413, 2003. 

  5. 권오광, 박종구, "유전 프로그래밍을 이용한 추격-회피 문제에서의 게임 에이전트 학습," 정보처리학회논문지B, 제15B권, 제3호, pp.253-258, 2008. 

  6. 이면섭, 조병헌, 정성훈, 성영락, 오하령, "대전 액션 게임에서 유전자 알고리즘을 이용한 지능 캐릭터의 성능평가," 전자공학회논문지, 제41권, 제4호, pp. 119-127, 2004. 

  7. 신용우, "강화학습을 이용한 지능형 게임캐릭터의 제어," 한국 인터넷 정보학회, 제8권, 제5호, pp.91-94, 2007. 

  8. 조병헌, 정성훈, 성영락, 오하령, "대전 액션 게임을 위한 신경망 지능 캐릭터의 구현," 퍼지 및 지능 시스템 학회 논문지, 제14권, 제4호, pp. 383-389, 2004. 

  9. 연제혁, 김성수, 임형준, 이원형, "게임 난이도를 고려한 게임지형 자동 생성 기법에 관한 연구," 한국 인터넷정보학회 학술발표대회 논문집, 제5권, 제2호, pp. 477-481, 2004. 

  10. 문병로, "쉽게 배우는 유전 알고리즘," 한빛미디어, 2008. 

  11. IREM cooperation, KungFu Master, 1984. 

  12. J. Nielsen, and R. Molich, "Heuristic Evaluation of User Interfaces," In Proc. of ACM CHI, pp. 249-256, 1990. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로