가상 환경에서 가상 캐릭터가 사람과 같이 자연스럽게 동작하기 위한 과정은 많은 노력을 필요로 한다. 가상 캐릭터는 행동을 기반으로 동작하기 때문에 자연스럽게 동작하기 위해서는 행동 정의가 가장 중요하다. 최근에는 사람이 조작한 가상 캐릭터의 행동을 기반으로 가상 캐릭터가 수행할 일련의 행동을 정의하는 Programming by Demonstration에 관한 연구가 활성화되고 있다. 하지만 이 방법들은 항상 동일한 길이의 연속적인 행동을 도출하거나 연속적인 행동을 정의할 때 사용하는 행동들을 제한하기 때문에 다양한 일련의 행동 생성하기가 어렵다. 자연스럽게 동작을 수행하기 위해서는 조작한 가상 캐릭터의 행동에서 최대한 다양한 일련의 행동들을 도출하고 도출한 일련의 행동들을 대표하는 최적의 연속적인 행동을 선택해야 한다. 그래서 여러 가지의 제약 사항을 줄이면서 일련의 행동을 생성하기 위한 연구들이 필요하다. 이 논문에서는 사람이 조작한 캐릭터의 행동을 수집하고 가상 캐릭터가 수행할 일련의 행동을 모두 도출해서 가상 캐릭터에게 적합한 일련의 행동을 선정하는 방법을 제안한다. 실험에서는 제안한 방법을 자동차 게임에 적용해서 생성되는 과정을 기술한다. 생성된 결과를 보면 사람이 수행한 일련의 행동을 길이나 분할하는 위치에 제약을 받지 않고 생성한 것을 볼 수 있었다. 결국, 제안한 방법은 더 많은 일련의 행동을 도출하고 가상 캐릭터에게 적합한 행동을 선정할 수 있음을 확인하였다.

MMORPG와 같은 게임에서 근접전투가 벌어지는 샷에서 프라이머리 액터들간의 오클루젼이 종종 발생한다. 본 논문은 미디엄 샷(medium shot) 기법으로 오클루젼을 해결하고 오버-숄더 샷(over-shoulder shot) 기법으로 대결구도를 강화하는 미디엄 오버-숄더(Medium and Oversholder, MOS) 기법을 제안한다. 미디엄 샷 기법은 4개의 기준점을 설정하고. 오버-숄더 샷 기법은 측면의 기준점을 가변적으로 위치시키며 오클루더는 두 개의 스피어로 대체한다. 레이와 스피어가 교차하는지 여부로 잠재적 오클루젼 상태가 판별되면 오클루더의 우측 또는 좌측으로 카메라를 이동시키고, 오클루젼이 해결되면 이동을 멈춘다. 실험결과 MOS 기법은 샷당 평균 13.7μs 의 연산시간의 성능을 보였으며, 오클루젼은 평균 9.26% 비율로 뷰어의 시선 장애에 영향을 주진 않았다.

게임 캐릭터와 객체들이 상호작용하는 지형은 가상세계를 구성하기 위한 필수 요소이다. 지형을 제작할 때 많은 갱신 작업과 시간이 들어가는 문제점이 발생한다. 본 논문에서는 실제 지형을 촬영한 데이터로부터 가상 공간의 3D 지형을 생성하기 위한 3D 지형 재구축 시스템을 제안한다. 제안시스템에서는 스테레오 카메라로 촬영하고, 레이져 스캐너로 실측한 3차원 지형 데이터를 기반으로 생성된 그리드 기반의 높이 맵(Height Map)과 로봇의 항법정보 중 z축과 x축 방향 벡터를 이용해 가상공간의 중심인 월드좌표계에 맞게 로테이션을 수행하여 축의 방향을 일치시키고, 로봇 중심의 좌표계에서 월드 좌표계로의 이동 벡터를 각 포인트에 더하여 최종적으로 월드좌표계에 맞게 변환한다. 이후 무방향성 그래프를 사용하여 지형 데이터를 관리하면서 가상공간에서 필요한 부분에만 동적으로 지형 메쉬를 생성한다. 이때 지형 데이터의 오류를 보정하여 메쉬를 올바르게 갱신한다. 실험에서는 제안 시스템이 지형 재구축을 완료할 때까지 일정한 주기로 FPS를 확인하고, 완성된 지형을 가시화하여 품질을 검토하였다. 지형의 전체 크기를 알 수 없거나, 실시간으로 지형의 크기가 변화하는 환경에서는, 제안된 시스템이 쿼드트리를 사용한 지형 관리보다 지형 크기가 작을 때 3배정도의 높은 FPS를 보이나, 지형이 아주 클 때는 평균 40% 정도 나은 실행 성능을 가진다. 최종적으로는, 실측한 지형의 모양을 그대로 유지하면서 가시화하고 있다. 본 연구에서 제안한 시스템을 이용하여 게임에 이용할 지형 데이터를 실시간으로 자동 생성하여 게임에 이용하거나, 실제 지형을 배경으로 필요한 영화의 CG 작업에 활용하는 등의 응용 방안을 고려해 볼 수 있다.

게임에서 흔히 사용하는 전신형 가상 캐릭터를 이용한 감정 표현은 주로 몸동작을 이용한다. 이때 가상 캐릭터가 표현하는 모든 감정에 대하여 각기 다른 애니메이션을 만들어 주어야 한다. 이런 이유로 인간과 같이 감정의 강도에 따라 다른 크기의 동작을 표현하려면, 만들어야 할 애니메이션의 수가 기하급수적으로 늘어나게 된다. 이러한 문제를 해결하기 위해 본 연구에서는 가상 캐릭터가 감정 강도에 따라 다른 크기의 동작을 행할 수 있게 하는 방법을 제안한다. 본 연구에서는 감정 강도별로 캐릭터가 동작을 형성하기 위해 회전시키는 뼈대에 가중치를 주어 소극적인 표현 또는 과장된 표현이 가능하도록 하였다. 제안하는 방법을 검증하기 위해 실제 가상 캐릭터에 신체 가중치를 적용할 수 있는 EATool(Emotional Animation Tool)을 구현하였다. 구현된 환경을 통해 걷기 동작에 서로 다른 감정을 부여한 후, 각 감정의 강도에 따라 신체 가중치를 적용하였다. 실험 비교 결과 감정 강도에 따라 동일한 걷기 동작의 형태가 달라지는 것을 확인할 수 있었다.

뇌파는 초기에 원숭이가 모터로 팔을 조작하기 위한 방법에 관한 연구로 시작되었다. 최근에는, 측정한 뇌파를 치매 환자의 치매 진행 정도를 늦추거나 집중력결핍 과잉행동장애 아이들의 집중력을 높이기 위한 연구들이 진행되고 있다. 그리고 저가의 뇌파 측정 장치가 출시되면서 게임 인터페이스로도 사용된다. 뇌파로 게임을 제어할 때의 문제점은 사람마다 평균 진폭, 평균 파장 그리고 평균 진동 횟수가 다르다는 것이다. 뇌파 차이는 뇌파로 게임을 제어할 때 형평성 문제를 발생시키기 때문에 뇌파를 정규화해서 사용하는 방법이 필요하다. 이 논문에서는 정규분포를 사용해서 측정한 뇌파를 정규화하고 제어로 사용할 파형을 계산하는 방법을 제안한다. 이를 위해서 뇌파 변환 과정을 7단계로 나누어 처리하는 프레임워크를 제안하고 각 단계에 필요한 계산과정을 기술한다. 실험에서는 BCI 영어단어 학습 프로그램에 제안한 방법을 적용하여 두 피험자 파형을 비교했다. 실험에서는 두 피험자의 파형 유사 정도를 상관계수로 측정했다. 명상 값은 제안한 방법을 적용할 때 약 13%가 증가되었고 집중 값은 약 8%정도 증가되었다. 제안한 정규화 방법은 뇌파에 반영된 개인의 특성을 줄여서 제어에 적합한 파형으로 변환하기 때문에 게임과 같은 응용프로그램에 적합하다.

감정은 언어 이외에 인간이 자신의 의사를 전달할 수 있는 효과적인 수단이다. 언어와 더불어 감정을 표현함으로서 상대방에게 자신의 의사를 보다 잘 전달할 수 있다. 또한 동일한 감정의 각기 다른 표현은 개인의 성향을 가늠하는 척도로 이용되기도 한다. 따라서 가상 캐릭터의 감정 표현이 일률적이지 않으려면 성격 특성에 따라 동일 감정의 생성 및 소멸 폭을 조정해 주어야 한다. 본 논문에서는 각 감정에 영향을 주는 성격 특성을 정의하고, 이를 통해 감정을 증감 및 조정하는 방안을 제시한다. 본 논문에서는 세분화된 성격 특성이 의미하는 바와 감정을 나타내는 명사의 사전적 의미를 매치시켜 특정 감정이 어떤 성격 특성과 관계가 있는지를 정의하였다. 또한 성격 검사에서 얻어진 원점수를 활용하여, 각 감정의 증감 및 지속, 소멸을 위한 가중치를 정의한 후, 이를 토대로 감정을 조정하였다. 실제 사람의 성격 검사 데이터를 활용하여 동일한 감정을 조정한 결과, 성격 별로 다른 결과치가 나오는 것을 확인할 수 있었다. 본 연구는 5개의 차원과 30개의 하위 특성으로 이루어진 NEO-PI(NEO Personality Inventory)성인판을 이용하여 연구를 진행하였다.

인간의 동기는 목표를 세우고 행동으로 옮기는 원인을 제공한다. 때문에 인간과 유사한 에이전트의 행동을 실현하기 위하여 동기를 활용한 연구가 진행되고 있다. 그러나 현재 연구에서 동기를 활용한 연구는 정적 환경에서의 연구로서, 동적 환경에서의 예기치 못한 상황에 대처가 어렵다. 동적인 환경에서는 에이전트 스스로 목표 설정이 가능해야 한다. 또한 최종으로 선택되는 목표가 명확하고 빠르게 설정되어야 한다. 이 연구에서는 에이전트 스스로 목표를 설정하기 위해 동기를 이용한 동기 결정 기법을 제안한다. 제안하는 기법은 실시간으로 환경을 인지하여 발생된 동기를 단계별로 비교하여 최종 동기를 추출한다. 추출된 동기는 에이전트의 목표 설정 및 실행에 이용한다. 제안한 기법의 타당성을 위해 가상환경 내에서 각기 다른 특성을 가진 에이전트의 행동을 비교하는 실험을 수행하였다. 실험 결과 여러 동기가 발생 했을 경우 에이전트에 따라 현재 상황에서 가장 적합한 동기를 찾아 작용하는 것을 확인하였다. 이를 통해 각각의 에이전트가 동기 결정을 통해 추출된 최종 동기를 이용해 동적 환경에서 상황에 따라 행동할 수 있는 최적의 목표 설정이 가능함을 알 수 있었다.

실시간 전략 시뮬레이션 게임에서 각각의 팀은 다수의 에이전트로 구성하고 상태 팀을 이기기 위한 전략을 수행한다. 전략은 팀에 속한 에이전트들의 협력을 필요로 하며 이를 위해서는 다중 에이전트 시스템이 필요하다. 다중 에이전트 시스템의 의사 결정방법 중에서 중앙 집중적인 의사 결정 방법은 조정 에이전트를 사용해서 팀을 위한 작업을 선택한다. 비 중앙 집중적인 의사 결정 방법은 에이전트가 각각 주체가 되어서 다른 에이전트와 의사소통을 하기 때문에 비용이 많이 든다. 본 논문에서는 조정 에이전트를 사용할 때 다수의 에이전트를 그룹으로 관리하는 방법, 경매 시스템을 사용해서 에이전트에게 작업을 할당하는 방법 그리고 할당한 작업 중에서 수행에 실패한 작업은 다른 에이전트에게 다시 할당방법을 제안한다. 실험에서는 스타크래프트 게임에서 제안한 시스템을 적용할 때 공격력과 방어력이 향상되는 것을 볼 수 있었다. 제안한 방법을 사용한 에이전트의 팀 승리 비율은 8대 2로 높아졌다.

본 논문에서는 가상 에이전트의 행동 계획을 위한 인터렉티브 지식베이스 구축과 인터렉티브 지식베이스를 바탕으로 하는 계획시스템에 관한 방법을 제안한다. 고정적인 지식베이스는 고정적인 계획 수립만 가능하기 때문에 환경의 변화에 잘 대처하지 못한다. 그래서 이 논문에서는 다양한 환경에서 적용이 가능한 인터렉티브한 지식베이스의 구축과 인터렉티브 지식베이스를 활용할 수 있는 인공지능 계획시스템을 제안한다. 본 연구에서 제안한 인터렉티브 지식베이스는 동기, 행동, 사물, 실행의 4가지로 이루어지며 지식베이스의 입력과 지식베이스들 사이의 연관관계는 개발된 자동화 툴을 사용하여 설정한다. 이 툴을 사용하여 사용자는 쉽게 지식베이스에 구성요소들을 추가 또는 수정할 수 있다. 이 지식베이스를 바탕으로 캐릭터는 행동가능한 모든 항목들을 계획을 세우게 되며 이 중 한 가지를 선택하여 행동을 하게 된다. 후에 캐릭터의 환경이 변하게 되더라도 지식베이스의 업데이트를 통해 새로운 행동을 적용시킬 수가 있기 때문에 가상현실 콘텐츠제작자의 입장에서는 상당히 유용하다. 본 논문에서는 확장성이 있는 인터렉티브 지식베이스 구성요소와 구성요소들 사이의 관계설정 그리고 이를 쉽게 입력할 수 있는 툴과 인터렉티브 지식베이스에 적합한 계획시스템의 알고리즘을 제안하여 가상도서관이라는 가상환경에서 실험을 통해 결과를 검증하였다.

게임 사용자와 자주 소통하는 게임 요소는 NPC이다. 최근 게임에서 사용되는 인공지능 알고리즘은 많은 발전을 이루었지만, NPC의 행동은 과거 게임 내의 단순한 행동을 하는 수준에서 머물러 있다. 사람과 비슷한 NPC의 행동 관찰을 주된 목적으로 하는 라이프 게임의 경우, 단순한 행동의 NPC는 게임을 지루하게 만드는 요인이 되고 있다. 이것은 NPC를 생성할 때 사람과 같은 다양한 성격과 그에 따른 행동을 보여주는 방법이 미흡하기 때문이다. 사람과 비슷한 행동을 하는 NPC를 생성하려면 사람과 같은 다양한 성격과 그에 따른 다양한 행동 생성이 필요하다. 본 논문에서는 확률 분포를 이용하여 캐릭터의 성격에 따라 다양한 감정을 표현하고, 그에 따른 행동 생성 방법에 관해 기술한다. 본 논문에서 기술한 행동 생성 방법을 실제 3D환경의 게임에 적용함으로써, 본 연구에서 제시한 연구 방법에 대한 성능을 입증하였다.

UCC(User Created Contents) 사이트가 활성화되면서 제작 가능한 콘텐츠 종류가 다양해졌다. 제작 가능한 콘텐츠 중에서 UCG(User Created Game)는 사용자가 직접 제작하고 공유하는 게임이다. UCG의 제작 방법은 사용자의 숙련도에 따라서 두 가지로 분류해 볼 수 있다. 첫 번째, 저작도구를 사용하는 방법은 게임 제작에 익숙하지 않은 초보 사용자에게 적합하지만 사용방법이 쉬워지면서 기능이 제약적이다. 두 번째, 프로그램 언어를 이용한 개발은 게임 제작에 익숙한 고급 사용자에게 적합하지만 개발기간이 길어진다. 이 논문에서는 스크립트를 사용해서 초보 사용자에게 적합한 저작도구의 기능을 확장하는 방법을 제안한다. 그리고 제안한 저작도구는 프로그램 소스를 생성하기 때문에 고급 사용자는 제공하지 않는 기능만 추가 구현해서 개발 기간을 단축한다. 제안한 방법의 UCG 제작 과정을 검증하기 위해서 게임 제작에 필요한 GUI, 스크립트 생성 기능과 프로그램 소스 생성 기능을 포함하는 프레임워크를 설계한다. 그리고 설계한 게임 저작도구를 구현해서 개발된 게임 제작 사례를 보임으로써 본 연구에서 제안하는 방법을 소개한다.

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.

대부분의 디자이너는 3DS MAX와 같은 전문 3D 애니메이션 저작도구를 사용하여 수작업으로 애니메이션을 제작한다. 이 방법은 많은 시간과 노력을 필요로 하며, 애니메이션 캐릭터들이 서로 상호작용 할 수 없다. 이를 개선하기 위해, 본 논문에서는 3DS MAX플러그인 형태의 인공지능 미들웨어를 설계하고 미들웨어에 필요한 인공지능 표현 구조와 내부 처리 방안을 제안한다. 제안 방법은 캐릭터가 보유할 인공지능 요소를 도형과 선분으로 그려 표현하는 방법으로 캐릭터의 인공지능 구조를 제작한다. 실험을 위해 기존 방법과, 제안하는 방법을 사용하여 동일한 애니메이션을 제작하고 작업량을 측정하였다. 실험 결과 소규모 작업에서는 기존의 방법과 비슷하거나 작업량이 많으나, 대규모의 작업에서는 기존 방법에 비해 최대 43%의 작업량 감소를 확인하였다. 본 논문에서 제안하는 방법을 사용하면, 애니메이션에서 캐릭터간의 상호작용이 가능하며 작업량 감소 효과를 얻을 수 있다.

본 논문에서는 동기 기반의 계층적 행동 계획 시스템을 제안한다. 가상 시뮬레이션 게임 환경에서 에이전트는 행동 계획 시스템을 통해 적합한 행동을 선택하게 된다. 행동 선택 시스템은 동기를 추출하고 목표를 선택하고 행동을 생성하고 최적화를 수행한다. 동기를 평가할 때 갑작스럽게 발생하거나 누적된 이벤트에 대해 계산한다. 동기를 선택할 때는 확률 분포를 사용하여 무작위로 선택한다. 계층적 목표 트리를 탐색한 후에 목표를 실행할 수 있다. 행동들을 비교한 후 가장 적합한 행동을 선택하게 된다. 선택을 할 때 안전도 값과 만족도 값을 비교하여 최적화된 행동을 선택한다. 본 연구에서 제안한 시스템을 식당경영 게임에 적용했다.

게임 환경에서의 학습은 다양한 분야에서 유용하게 활용될 수 있다. 그러나, 학습이 게임에서 만족스러운 결과를 산출하기까지는 많은 학습 시간이 요구된다. 이러한 점을 개선하기 위하여 학습시간을 단축시킬 수 있는 방법론들이 필요하다. 본 논문에서는 예측 정보를 이용한 Q-학습의 성능개선 방안을 제안한다. Q-학습 알고리즘에서는 Q-테이블의 각 상태별 선택된 액션을 참조한다. 참조한 값은 예측 모듈의 P-테이블에 저장되고, 이 테이블에서 출연 빈도가 가장 높은 값을 찾아 2차 보상 값을 갱신할 때 활용한다. 본 연구에서 제시한 방법은 상태내의 전이가 가능한 액션의 수가 많을수록 성능이 높아짐을 확인하였다. 또한 실험결과로 실험 중반 이후부터 제안한 방식이 기존 방식보다 평균 9%의 성능 향상을 보였다.

게임과 같은 실시간이며 복잡한 다중 에이전트 환경에서는 시스템의 효율성을 극대화하기 위해 반복적으로 작업 할당이 수행된다. 본 논문에서는 실시간 다중 에이전트 구조에 적합하며 최적화된 작업 할당이 가능한 방안으로 A* 알고리즘을 적용한 조정 에이전트를 제안한다. 제안하는 조정 에이전트는 수행 가능한 에이전트와 할당 가능한 작업으로 정제된 모든 에이전트와 작업의 조합으로 상태 그래프를 생성하고, A* 알고리즘을 이용한 평가함수를 적용하여 최적화된 작업 할당을 수행한다. 또한 실시간 재 할당에 따른 지연을 방지하기 위해 그리디 방식을 선택적으로 사용함으로써 재할당 요구에 대한 빠른 처리가 가능하다. 마지막으로 모의실험을 통해 조정 에이전트를 통한 최적화된 작업 할당 결과가 그리디 방식의 작업 할당보다 성능이 25%향상되었음을 입증한다.

MMORPG(Massively Multiplayer Online Role Playing Game)는 장시간 게임에 접속하여 자신이 맡은 역할을 수행해 나가는 게임으로서, 사용자의 몰입도가 다른 게임에 비해 월등히 높은 게임이며, 게임 내 많은 컨텐츠를 보유하고 있는 게임이다. 그러나 다양한 게임 내 컨텐츠 중 게임의 흥미를 높이는 데 가장 중요한 역할을 하는 NPC(Non Player Character)의 행동 패턴이 너무 단순하므로 게임을 지루하게 만드는 요인으로 작용하고 있으므로, 많은 컨텐츠를 보유했음에도 불구하고 MMORPG는 지루한 게임이라는 인식이 사용자들에게 만연해 있다. 이에 본 논문에서는 NPC에게 성격과 감정을 심어주어, 사용자의 성향에 반응하는 동적인 행동을 보이는 NPC를 생성하고자 한다.

오늘날 스포츠, RTS, RPG 게임과 같이 멀티 플레이어가 한 팀을 이루는 집단형 방식의 게임은 팀 인공지능 기술이 더욱 필요하다. 기존의 독립적인 지능형 에이전트는 스스로 문제를 해결하는 자율성 향상 연구에 치중하였으나, 이는 다른 에이전트간의 협동 및 상호작용 능력이 부족하다. 이를 위해 본 논문은 다중에이전트 시스템에서 효과적인 역할 분담과 자율성을 갖는 레벨통합 접근방식을 소개한다. 복잡한 목표를 성취하기 위해 에이전트의 역할 정보를 이용하여 각자의 목표를 할당하고 각 에이전트는 맡은 역할을 동적인 환경에서 스스로 판단하고 행동한다. 팀 전체의 목표는 상호 보완된 역할 분담의 전략적인 측면에서 조정한다. 각 에이전트는 데이터보드를 이용하여 서로의 상태 정보를 공유하여 상호 협동을 유도한다. 역할이 할당된 각 에이전트는 스스로 계획기능을 갖고 있어 동적인 환경에서 적합한 행동을 취한다. 이 협동과 상호작용 과정에서 충돌의 문제점이 발생하는데 이를 제어하는 조정 에이전트의 역할을 전략적 측면에서 접근한다. 본 논문에서 제시하는 레벨통합 접근방식이 기존의 중앙 집권적 접근방식, 분권적 접근방식과 비교 실험하여 기존 방식보다 성능이 향상됨을 보인다.

RPG, 전략 시뮬레이션등의 2D/3D 게임에서 동적으로 변화하는 장애물이나 지형 정보 등을 관리하기에는 대체로 동적 그래프가 적합하다. 이 논문에서는 빠르게 길 찾기를 수행하고 동적으로 변경할 수 있는 고정 레벨의 계층적 그래프 모델을 제안한다. 공간 분류나 공간 모델을 이용해 그래프를 분할하여 계층적 그래프를 구성하고, 동적 그래프의 연산자들을 제시하여 계층적 그래프 모델에서의 실시간 A* 길 찾기 방법을 실험하였다. 본 논문에서 제안한 모델이 동적 장애물이나 동적 구조를 가지는 게임 환경에서 빠르게 길 찾기를 수행하기에 적합한 그래프 모델임을 실험을 통해 입증하였다.

이 논문에서는 FSM과 확률적 FSM, NFA 등이 게임에서 NPC의 행동 지정에 쓰인 방식을 소개하고, 기존 방법에서 확률적 FSM이나 NFA의 단점을 보완할 수 있는 새로운 확률적 FSM 방식을 제안한다. 즉, 확률 유한오토마타의 추론 방식을 이용하여 다양한 NPC나 컴퓨터 플레이어의 인성이나 특성을 자동적으로 게임에 반영하기 위한 방법을 제안한다. 이 방법으로 수 많은 게이머들의 인성이나 특성을 자동적으로 파악하여, 실제 게임에서 사용되는 NPC나 컴퓨터 플레이어에게 부여해 줄 수 있고, 또한 NPC들의 인성을 다양하게 부여함으로써 게임의 재미를 더 향상시킬 수가 있다.