논문 상세보기

A Study on Auto Play Model using DNN Model of Parallel Structure in Turn Based RPG KCI 등재

턴 베이스 RPG에서 병렬구조의 DNN Model을 이용한 Auto Play Model에 관한 연구

  • 언어ENG
  • URLhttps://db.koreascholar.com/Article/Detail/383214
구독 기관 인증 시 무료 이용이 가능합니다. 4,000원
한국컴퓨터게임학회 논문지 (Journal of The Korean Society for Computer Game)
한국컴퓨터게임학회 (Korean Society for Computer Game)
초록

인공지능은 다양한 분야에서 사람을 대신하여 성과를 보여준다. 게임 분야에서도 인공지능은 다양한 방면으로 사용된다. NPC(Non Player Character) 제작, 게임 난이도, 콘텐츠 생성 등의 분야에서 활용되고 있다. 그러나 게임에서 사용되는 인공지능은 우수한 성과를 보여주며 사람을 이기기 위해 연구된다. 우수한 인공지능 모델이 게임에 존재하여 게임의 난이도가 상승하게 되면 플레이어가 게임에 흥미를 잃는 경우도 있다. 따라서 본 논문의 목적은 사람과의 대결이 아닌 사람을 서포트 하는 인공지능의 개발이다. 현재 모바일 시장의 게임에는 자동 사냥 시스템이 존재한다. 게임에서 이 시스템은 난수 방식을 사용하기 때문에 효율이 떨어진다. 그러므로 본 논문에서는 병렬구조의 DNN 모델을 사용하여 효율적인 자동 사냥 시스템을 구축한다. 새로 구축한 모델과 기존에 사용하던 난수 방식의 모델을 게임을 통해 비교한다.

AI shows performance on behalf of people in various fields. In games, AI is used in many ways. It is used in fields such as NPC (Non Player Character) production, game difficulty, and content creation. However, the AI used in the game shows excellent performance and is researched to beat people. When a good AI model exists in a game, increasing the difficulty of the game, the player may lose interest in the game. Therefore, the purpose of this paper is to develop artificial intelligence that supports people, not confrontation with people. Currently, there is an auto play system for games in the mobile market. In games, this system is not efficient because it uses a random method. Therefore, in this paper, we build an efficient auto play system using parallel DNN model. The newly constructed model and the existing random number model are compared through the game.

목차
ABSTRACT
1. Introduction
2. Related research
    2.1 Artificial Neural Network
    2.2 Auto Play
    2.3 Replay
3. Research method
    3.1 Game Development
    3.2 AI Model
    3.3 Data extract/normalization
4 Result
5 Conclusion
Reference
국문초록
결론 및 향후 연구
저자
  • Myoung Young KIM(Graduate School of Advanced Imaging Science, Multimedia and Film, Chung-Ang University) | 김명영
  • Jae Min Kim(Graduate School of Advanced Imaging Science, Multimedia and Film, Chung-Ang University) | 김재민
  • Hwang In Tae(Graduate School of Advanced Imaging Science, Multimedia and Film, Chung-Ang University) | 황인태
  • Won Hyung Lee(Graduate School of Advanced Imaging Science, Multimedia and Film, Chung-Ang University) | 이원형 Correspondence to