논문 상세보기
pp.103-113
최근 게임의 종류가 다양해지고 접할 기회가 많아지면서 게임을 즐기는 사용자의 성향과 수준도 다양해지고 있다. 기존의 NPC는 행동이 단순하고 획일적이기 때문에 다양한 사용자를 상대하는데 한계가 있다. 따라서 각기 다른 사용자와 비슷한 수준으로 대응할 수 있는 적응형 NPC를 생성하는 기술이 필요하다. 본 논문은 적응형 NPC를 생성하기 위한 행동 정보 관리 기법을 제안한다 행동정보 저장 방법은 적응형 NPC가 사용자의 행동을 관찰하고 (상태-행동)의 관계로 정보를 수집한다. 수집한 행동 정보의 효율 값을 구하고 유사한 상태정보들은 군집화하여 행동 데이터베이스에 저장한다. 게임시스템은 행동 데이터베이스를 갱신하며 다양한 행동을 저장하고 효율 값이 좋은 행동을 선택하여 사용자에게 적응해 가는 NPC를 생성한다. 본 연구에서 제안한 적응기법을 액션 게임에 적용하여 실험하였다 임의의 실험자는 적응형 NPC와 실시간으로 1:1 전투를 한다. 게임 결과 로그파일을 통해 실험자와 NPC의 행동 성향을 분석하여 유사성을 판단한다. 다양한 실험 결과의 통계에서 오차율 6% 이내의 사용자와 비슷한 수준으로 적응해 가는 NPC를 생성할 수 있었다.
Although people have had more opportunities to enjoy various types of game, most of players have felt less satisfaction with the games. This is the reason that since most Non-player Characters (NPCs) are simple and uniform, they have some limitations for competing with a variety of players. Thus, technologies for creating intelligent NPCs that can compete with each player at a similar level are required. In this paper, we present an action information management method for creating adaptive NPCs based on the algorithm for calculating their action efficiency. This algorithm is useful to the adaptation method for saving and controlling player-appropriate action. In our method, adaptive NPCs observe the actions of players and collect the relationship data between status and action. The efficiency value of the action data is calculated and data of similar status are grouped, and finally stored at the action database. The game system of NPC updates the action database and stores diverse actions. Then, NPC selects action with high efficiency value. We have tested our algorithm on an action game. A random test subject performed a one-on-one game against an adaptive NPC in real-time. As a result, the action dispositions of both the subject and NPC are analyzed in a log file to determine whether or not the disposition of the subject is similar to that of the NPC. The statistics of the diverse test results shows that NPCs become adaptive to players with error rate within less than 6%.
