초록 ▼

□ 연구개발 목표 및 내용
○ 최종목표
○ (연구목표) 인공지능 스스로 진행하며 학습하는 게임 속 상황정보를 기반으로 다양하게 자가진화하는 인공지능 플레이어 운용을 통해 콘텐츠 특성 분석이 가능하도록, 2종 이상의 상용 게임에서 인간 플레이어와 상호작용하는 게임 인공지능 플랫폼 기술 개발
- 게이머 특징과 플레이 상황 흐름에 따라 발생 가능한 인게임 행동결과를 예측
- 다양한 인게임 상황에 최적 대응이 가능한 환경 적응형 게임 인공지능 구현
- 게임 사용자의 선호도 및 성향에 적합한 최적화 에이전트 생성

□ 연구개발 목표 및 내용
○ 최종목표
○ (연구목표) 인공지능 스스로 진행하며 학습하는 게임 속 상황정보를 기반으로 다양하게 자가진화하는 인공지능 플레이어 운용을 통해 콘텐츠 특성 분석이 가능하도록, 2종 이상의 상용 게임에서 인간 플레이어와 상호작용하는 게임 인공지능 플랫폼 기술 개발
- 게이머 특징과 플레이 상황 흐름에 따라 발생 가능한 인게임 행동결과를 예측
- 다양한 인게임 상황에 최적 대응이 가능한 환경 적응형 게임 인공지능 구현
- 게임 사용자의 선호도 및 성향에 적합한 최적화 에이전트 생성 및 추천
○ (결과물) 인게임 전술 최적화를 스스로 진행하는 에이전트를 생성·추천 해주며, 게임 속 플레이어 행동 특성에 따르는 상황 분석 및 시뮬레이션 검증이 가능한 게임 인공지능 S/W 통합 플랫폼

○ 전체내용
○ 누적되는 인게임 상황 로그 데이터에서 추론되는 메타 플레이 인식을 기반으로 게이머 특성에 대응되는 인게임 행동패턴을 생성시켜 플레이 유형에 따라 다양하게 변화할 수 있도록 스스로 진화하는 게임 인공지능 프레임워크 개발
- 게임 진행 환경을 유연하게 인식할 수 있는 메타 플레이 특성 분석
- 게이머들의 게임 속 행동 이벤트 발생 요소 및 플레이 패러다임을 분류하고, 플레이 숙련도와 행동 특징에 최적으로 대응되는 에이전트를 매핑
- 게이머 행동 의도 분석을 통해 추론되는 게임 상황 인식 모델링을 기반으로 시시각각 변화하는 인게임 행동결과를 예측
- 스스로 진행하는 인게임 환경적응 행동 학습을 기반으로, 플레이 경험이 늘어남에 따라 수행 역량이 지속적으로 증진되는 자가진화형 에이전트 운용
- 유형별 게이머 특유의 플레이 방식이나 개성을 분석하고, 이를 자가학습에 이용하여 변이 에이전트 생성이 가능한 인공지능 엔진의 구축
- 실·가상 플레이어 로그 데이터를 기반으로 게임 프로세스를 다양한 관점에서 분석하기 위해, 요인해석이 가능한 인공지능 시각화 플랫폼 구축

인게임 플레이 요소 분석 기술
- 메타 플레이 속성 추출 기술 개발
- 숙련도 대응 플레이 요소 추출 기술 개발
- 인게임 플레이 요소 정합 기술 개발

게임 상황 인식 기술
- 인게임 플레이 패턴 분류 기술 개발
- 게임 결과 예측 모델링 기술 개발
- 실시간 게임 상황 분석 기술 개발

플레이 숙련도 자율 진화 학습 기술
- 데이터 기반 플레이 패턴 생성 기술 개발
- 게임 플레이 자가 학습형 에이전트 생성 기술 개발
- 환경 변화 적응형 자율 진화 모델링 검증 기술 개발

변이 에이전트 생성 기술
- 인게임 행동 이벤트 특성화 에이전트 생성 기술 개발
- 게이머 특징 대응 변이 에이전트 생성 기술 개발
- 변이 에이전트 기반 게임 인터랙션 기술 개발

게임 인공지능 시각화 기술
- 메타 플레이 특징 시각화 기술 개발
- 에이전트 학습 모델 시각화 기술 개발
- 게임 인터랙션 저작도구 플러그인 기술 개발

○ 1단계
□ 목표
○ 숙련도 특성 학습 모델링 기술 개발
- 메타 플레이 속성 추출 기술 개발
- 인게임 플레이 패턴 분류 기술 개발
- 데이터 기반 플레이 패턴 생성 기술 개발
- 인게임 행동 이벤트 특성화 에이전트 생성 기술 개발
- 메타 플레이 특징 시각화 기술 개발

□ 내용
○ 개발 내용
- 상용 게임 1종 대상 메타 플레이 속성 추출 기능
- 분석 대상 플레이 요소 수 3개
- 메타 플레이 속성 DB 구축
- 상용 게임 1종 대상 인게임 플레이 패턴 분류 기능
- 인게임 플레이 패턴 분류 방법 2개
- 게임 상황 인식 정확률 60%
- 유저 전체 집합 대비 에이전트의 숙련도 수준 상위 70%
- 숙련도 조절 파라미터 1개
- 에이전트 학습 및 테스트 대상 특성 파라미터 수 1개 이상
- 특성구분 행동수행 에이전트의 수 2개 이상
- 에이전트 활용 게임 QA 가이드라인
- 시각화 분석 가능 플레이 요소 수 2종
- 대상 게임 메타 플레이 시각화용 로그 데이터 확보

○ 2단계
□ 목표
○ 에이전트 행동 패턴 대응 인게임 행동 제어 기술 개발
- 숙련도 대응 플레이 요소 추출 기술 개발
- 게임 결과 예측 모델링 기술 개발
- 게임 플레이 자가 학습형 에이전트 생성 기술 개발
- 게이머 특징 대응 변이 에이전트 생성 기술 개발
- 에이전트 학습 모델 시각화 기술 개발

□ 내용
○ 개발 내용
- 신규 게임 1종 대상 숙련도 대응 플레이 요소 추출 기능
- 정합 대상 플레이 요소 수 5개
- 숙련도 대응 플레이 요소 DB 구축
- 상용 게임 1종 대상 게임 결과 예측 기능
- 게임 상황 인식 정확률 70%
- 유저 전체 집합 대비 에이전트의 숙련도 수준 상위 30%
- 숙련도 조절 파라미터 3개
- 에이전트 학습 및 테스트 대상 특성 파라미터 수 2개 이상
- 특성구분 행동수행 에이전트의 수 4개 이상
- 에이전트 활용 게임 QA 테스트베드
- 시각화 분석 가능 플레이 요소 수 4종
- 에이전트 행동 학습 과정 시각화 UI 구현

○ 3단계
□ 목표
○ 게임 메타 플레이 시퀀스 생성 기술 개발
- 인게임 플레이 요소 정합 기술 개발
- 실시간 게임 상황 분석 기술 개발
- 환경 변화 적응형 자율 진화 에이전트 모델링 검증 기술 개발
- 변이 에이전트 기반 게임 인터랙션 기술 개발
- 게임 인터랙션 저작도구 플러그인 기술 개발

□ 내용
○ 개발 내용
- 신규 게임 1종 대상 게이머, 에이전트 간 정합 기능
- 정합 대상 플레이 요소 수 7개
- 상용 게임 2종 대상 게임 상황 인식 기능
- 게임 상황 인식 정확률 80%
- 유저 전체 집합 대비 에이전트의 숙련도 수준 상위 10%
- 숙련도 조절 파라미터 5개
- 에이전트 학습 및 테스트 대상 특성 파라미터 수 3개 이상
- 특성구분 행동수행 에이전트의 수 6개 이상
- 에이전트 활용 게임 QA 시나리오 생성 및 시뮬레이션
- 시각화 분석 가능 플레이 요소 수 6종
- 범용 저작도구 에이전트 포팅 기술 개발

□ 연구개발성과
○ 정성적 성과
- 산⸱학⸱연 협력 시너지 산출 : 게임AI 기반기술 IP 확보 (학;기초연구/논문편찬) ⇨ 기술사업화 플랫폼 구축 (연;플랫폼구현/특허권확보/기술보급) ⇨ 대규모 서비스 적용 (산;상용화실증)
- 대규모 상용 온라인 게임 서비스 2종 적용 (엠게임 ‘열혈강호 온라인‘, 보노게임 ‘드로이얀‘)
- 게임 AI 국제기술경진대회 입상 (IEEE CoG 2020 FTG 트랙, 중간평가2위/최종결과4위, 총15개팀 참가)
- 인게임 데이터 추출 API 의존도 감소 e-스포츠 중계 지원 플랫폼 구현 (게임 영상 분석 기반 실시간 게임 결과 예측 및 요인 분석 모델링)
- 선도적 기술 보급/홍보 활동 : ETRI 기술사업화 우수과제 설명회 (서울/판교/대전/안동), 국제행사 기술전시 (지스타2020, 소프트웨이브2021), AI 사업화 행사 (AI 올림피아드, 정책포럼 등 다수)
- 스트리밍 게임 영상 플랫폼 지원 기술사업화 협력 (이동통신사/아프리카TV, 시범서비스 요구사항)
- 지역 e-스포츠 상설경기장 구축사업 연계 기술협력 (대전/광주/부산 진흥원 NDA 체결, 지역경기장 시범서비스, e-스포츠 산업 활성화 AI 원천기술 연구개발사업 추진)
- 게임 AI 원천기술 적용 기술사업화 확장 협력체계 구축 및 기술이전 진행 : e-러닝(씨엔이), e-커머스(소프트자이온), 핀테크(크레파스솔루션), 게임QA(아주큐엠에스)
- 게임 AI 기반기술 학⸱연 연구개발 협력서 체결 (광주과학기술원, 성균관대학교)
- 인공지능 게임 에이전트 학습모델링 표준화 활동 (TTA PG1005 TTAK.KO-10.1340, 2021년 제정)
- 지능형 콘텐츠 산업화 보고서 집필 (공학한림원, KOCCA전망보고서, 국제문화교류진흥원 외 다수)
○ 연구개발 달성도
○ 정량적 성과

□ 연구개발성과 활용계획 및 기대 효과
○ 인공지능 에이전트 대전 아레나 및 협력 플레이, e-스포츠 방송, 콘텐츠 검증, 저작도구 등 관련 분야를 대상으로 게임 콘텐츠 개발/운영/중계의 폭넓은 지원이 가능한 상용화 기술의 보급
- 서비스 전반에 활용되는 게임 인공지능 원천 기술의 확보로 범용적 기계학습 메커니즘을 이용한 지능형 게임 콘텐츠 응용 분야의 확대
○ 견고한 게임 QA 검증 및 신뢰성 있는 서비스 시뮬레이션 절차 구축
- 게임 서비스 운영에 따르는 게임 콘텐츠 관리 정책 수립과 서비스 업데이트를 위한 개발자 지원 솔루션으로 활용되어, 기존에 활용되던 서비스 검증 단계와 운영 기록 관리를 효율화 시키고 게임 콘텐츠 수익성 향상을 위한 직접적인 산업 적용 효과를 창출
○ 보유 콘텐츠를 대상으로 학습되는 에이전트 모델과 게이머 특성분석 모델링은 차별화된 노하우 정보 데이터베이스로써, 업체별로 고유한 자산화 축적이 가능
- 단계적으로 가공되는 “로그 데이터 ⇨ 메타 플레이 속성 DB ⇨ 게이머 행동 유형 DB ⇨ 게이머 모델링 ⇨ 서비스 검증 시나리오” 발생 경로에 의해, 게임 빅데이터 자산 활용 확대

(출처 : 요약문 3p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 3
• 목차 ... 7
• 1. 연구개발과제의 개요 ... 8
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 10
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 20
• 1) 연구수행 결과 ... 20
• 2) 목표 달성 수준 ... 128
• 4. 목표 미달 시 원인분석 ... 131
• 5. 연구개발성과의 관련 분야에 대한 기여 정도 [3단계 기준] ... 131
• 6. 연구개발성과의 관리 및 활용 계획 ... 132
• 끝페이지 ... 134