선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 Hullet&Whitehead가 제시한 FPS게임 레벨디자인 요소 중 Choke Point(Chp)를 유형별로 분류하고 천유찬&김미진(2012)이 제시한 Cover Pattern(Cop)의 속성과의 관계를 살펴보고자 한다.
제안 방법
- 본 논문에서는 두 가지 요소간의 관계가 어떤 게임플레이 행동결과로 나타나는지 확인해 보기 위해 10종의 대표적인 FPS게임[12]을 분석하여 4가지 Chp유형으로 분류, 4가지 속성의 Cop을 제작하고 상용게임엔진(Source 엔진)을 통해 게임(Counter-Strike:Source)에 적용하여 실험대상 게임레벨(De_dust_2)을 구성하였다. 10명 플레이어의 5회 반복플레이를 통해 800개의 데이터를 수집, 분석하여 Chp와 Cop의 관계가 플레이어의 행동결과와 레벨의 난이도 설정에 도움이 될 수 있는 정보를 도출하고자 한다.
- 본 논문은 FPS게임 레벨디자인의 주된 요소인 Choke Point(Chp)를 분석하여 4가지 유형으로 분류하고 FPS게임의 핵심플레이인 전투중심 상황에서 Chp에 영향을 많이 줄 수 있는 4가지 속성의 Cover Pattern(Cop)을 제작하였다. 각 속성별 Cop를 Chp에 배치하여 16종의 실험대상 레벨을 구성하고 10명 플레이어의 5회 반복플레이 통해 총800개의 플레이어 행동결과를 분석하였다.
- 1세)이다. 각 피험자는 실험대상 레벨을 5회씩 반복 플레이하며 피험자별 플레이 행동은 동영상촬영으로 데이터를 수집하였다. 실험대상 레벨은 하나의 Chp에 Cop 4가지 속성유형을 추가(16종)하여 순차적으로 실험하였고 총 800개의 데이터를 수집하였다.
- 배치한 봇의 수준은 4가지 단계에서 3번째 단계인 “어려움”으로 설정하고 참여한 피험자는 모두 같은 조건으로 실행하였다.
- 두 가지 요소는 FPS게임 플레이가 가지는 기본적인 구조적 특징을 대표하는 요소라고 할 수 있다. 본 논문에서는 두 가지 요소간의 관계가 어떤 게임플레이 행동결과로 나타나는지 확인해 보기 위해 10종의 대표적인 FPS게임[12]을 분석하여 4가지 Chp유형으로 분류, 4가지 속성의 Cop을 제작하고 상용게임엔진(Source 엔진)을 통해 게임(Counter-Strike:Source)에 적용하여 실험대상 게임레벨(De_dust_2)을 구성하였다. 10명 플레이어의 5회 반복플레이를 통해 800개의 데이터를 수집, 분석하여 Chp와 Cop의 관계가 플레이어의 행동결과와 레벨의 난이도 설정에 도움이 될 수 있는 정보를 도출하고자 한다.
- 본 논문은 FPS게임 레벨디자인의 주된 요소인 Choke Point(Chp)를 분석하여 4가지 유형으로 분류하고 FPS게임의 핵심플레이인 전투중심 상황에서 Chp에 영향을 많이 줄 수 있는 4가지 속성의 Cover Pattern(Cop)을 제작하였다.
- 1999년 이후 FPS 장르의 대중화를 가져온 대표적 게임인 Counter-Strike : Source의 De_dust_2 레벨을 실험대상으로 선정하였다. 이 게임은 사용자가가 임의로 레벨을 제작하여 플레이 할 수 있도록 엔진에디터를 제공하고 있으며 실험대상 레벨은 유형별 Chp가 분포되어 있어 가장 적합하다. De_dust_2 레벨의 주요 목표는 적을 섬멸하거나 아군이 전멸하기 전에 진영에 따라 폭파 및 폭발물을 해체하는 것이다.
- 수집된 데이터는 플레이 타임(Play time), Cop 주변 다섯 걸음 이내에 머문 시간(Cover time), 적을 죽인 수(Kill time), 폭파 회수(Explosion time)에서 뚜렷하게 차이가 남을 확인할 수 있었다. 플레이 타임과 적을 죽인 수는 해당 레벨 종료 후 나타나는 결과창의 정보를 활용했으며, Cop주변 다섯 걸음 이내에 머문 시간과 폭파 회수는 동영상을 재생시키시면서 수동적으로 확인하였다. 이러한 4가지의 레벨 난이도 기준에서 플레이어의 행동결과를 살펴보면 다음과 같다.
대상 데이터
- 10명의 플레이어별로 16종의 실험대상레벨을 플레이하여 수집된 동영상 데이터는 게임엔진에서 플레이어의 게임플레이 화면을 그대로 저장하는 기능을 사용했다. 수집된 데이터는 플레이 타임(Play time), Cop 주변 다섯 걸음 이내에 머문 시간(Cover time), 적을 죽인 수(Kill time), 폭파 회수(Explosion time)에서 뚜렷하게 차이가 남을 확인할 수 있었다.
- 1999년 이후 FPS 장르의 대중화를 가져온 대표적 게임인 Counter-Strike : Source의 De_dust_2 레벨을 실험대상으로 선정하였다.
- 각 피험자는 실험대상 레벨을 5회씩 반복 플레이하며 피험자별 플레이 행동은 동영상촬영으로 데이터를 수집하였다. 실험대상 레벨은 하나의 Chp에 Cop 4가지 속성유형을 추가(16종)하여 순차적으로 실험하였고 총 800개의 데이터를 수집하였다.
- 배치한 봇의 수준은 4가지 단계에서 3번째 단계인 “어려움”으로 설정하고 참여한 피험자는 모두 같은 조건으로 실행하였다. 피험자는 FPS장르에 대한 지식이 있으며 3종류 이상의 FPS게임을 플레이해 본 경험이 있는 남학생 10명(평균연령 26.1세)이다. 각 피험자는 실험대상 레벨을 5회씩 반복 플레이하며 피험자별 플레이 행동은 동영상촬영으로 데이터를 수집하였다.
성능/효과
- 즉, 추가된 Cop의 주변에 머문 비율이 높을수록 적을 많이 죽인 경우가 감소하며, Cw의 특징이 강화된다는 것을 알 수 있다. 결과적으로 Cw특성과 Cop의 개수가 증가했을 때 난이도가 가장 크게 상승했으며 Cop의 상태변화가 클수록 난이도가 상승했다.
- 결과적으로 Da에서 플레이타임은 적을 상대하는데 큰 영향을 주지는 않으며, Cop의 외형 변화가 작은 ‘Im-Re-Mo-Mi’의 순서로 배치했을 때 난이도 증가의 폭이 크다는 것을 알 수 있다.
- Os에서는 머무른 시간의 비율이 높을수록 적을 1개 이상 죽일 확률이 증가하며 추가된 Cop 주변에 머문 시간이 많을수록 적을 많이 죽일 확률이 감소한다는 사실을 알 수 있다. 결과적으로 Os는 Nw와 Da와 상반되는 개념인 넓은 공간이기 때문에 Nw, Da와는 다른 유형의 플레이가 이루어져 플레이어의 행동결과도 다소 상이한 점을 발견할 수 있었다. 우선 Cop가 파괴되지 않는 속성을 가지며, Cop의 상태변화가 작을수록 난이도가 다소 상승하였다.
- 그 결과 각 Chp유형에 따른 Cop속성의 영향을 정량적으로 비교할 수 있었고 레벨제작 단계에서 구체적인 정보로 활용할 수 있는 가이드라인을 제안할 수 있었다.
- 즉, Nw에서 머무는 시간이 늘어나면 적 캐릭터를 1개 이상 죽일 확률이 증가한다는 것을 알 수 있다. 또한 Nw에서 Cop를 이용하여 머무를 때 Cop의 상태 변화가 클수록 3-5Kill이나 Explosion에 성공하여 승리할 가능성이 높아짐을 알 수 있다. 결과적으로 Nw에서는 Cop의 상태 변화가 클수록 레벨난이도가 감소한다고 분석할 수 있으며 몇 가지 가이드라인이 제시 될 수 있다.
- 10명의 플레이어별로 16종의 실험대상레벨을 플레이하여 수집된 동영상 데이터는 게임엔진에서 플레이어의 게임플레이 화면을 그대로 저장하는 기능을 사용했다. 수집된 데이터는 플레이 타임(Play time), Cop 주변 다섯 걸음 이내에 머문 시간(Cover time), 적을 죽인 수(Kill time), 폭파 회수(Explosion time)에서 뚜렷하게 차이가 남을 확인할 수 있었다. 플레이 타임과 적을 죽인 수는 해당 레벨 종료 후 나타나는 결과창의 정보를 활용했으며, Cop주변 다섯 걸음 이내에 머문 시간과 폭파 회수는 동영상을 재생시키시면서 수동적으로 확인하였다.
- 결과적으로 Os는 Nw와 Da와 상반되는 개념인 넓은 공간이기 때문에 Nw, Da와는 다른 유형의 플레이가 이루어져 플레이어의 행동결과도 다소 상이한 점을 발견할 수 있었다. 우선 Cop가 파괴되지 않는 속성을 가지며, Cop의 상태변화가 작을수록 난이도가 다소 상승하였다.
후속연구
- 현재 게임엔진들은 플레이어의 행동데이터를 시스템적으로 추출할 수 있는 기능이 있으나 추출할 수 있는 데이터유형이 상이하다. 대규모의 게임사용자 분석을 위해서 향후 연구에서는 플레이어의 행동결과에 대한 특정유형의 데이터를 시스템적으로 추출할 수 있는 기능을 구현할 예정이다.
- 이러한 실증적 실험을 통하여 얻은 결과는 기존 학술적 연구결과를 산업에서 활용할 수 있는 구체적인 정보로 이용되어 체계적인 게임레벨 제작에 기여할 것이다. 현재 게임엔진들은 플레이어의 행동데이터를 시스템적으로 추출할 수 있는 기능이 있으나 추출할 수 있는 데이터유형이 상이하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.