스타크래프트는 1998년도에 미국 ‘블리자드’ 사에서 제작한 실시간 전략 시뮬레이션 게임이다. 이 게임의 등장 이후로, 게임을 즐기는 사용자들의 수준은 본 게임이 등장한 이후로 월등히 향상되었으나, 본 게임의 컴퓨터 인공지능의 수준에는 변화가 없었다. 이 문제를 해결하기 위해, 몇 가지 연구 노력이 진행되어왔다. 그러나 기존의 인공지능 성능 향상 기법들은 치트 (cheat) 등을 사용하거나, 상당히 획일화된 전략 전술로 인해, 컴퓨터 인공지능의 한계가 쉽게 드러나는 단점이 있었다. 본 논문에서는 보다 적응성 있고 비용 효율적인 빌드 오더 선택 기법을 제안한다. 제안한 기법은 상대적인 전략 전술의 차이를 바탕으로, 현 상황에서 발생할 수 있는 적의 공격에 대하여 비용 효율적인 대응 방안을 선택한다. 이를 사용하면 컴퓨터 인공지능의 질과 성능의 측면에서 향상을 이룰 수 있다. 제안한 기법과 기존 스타크래프트 인공지능의 상대적 성능 평가를 통해, 제안한 기법을 사용한 인공지능이 월등히 뛰어난 성능을 보임을 확인한다.

게임 애플케이션에서 사용하는 데이터의 크기가 점차 커짐에 따라 물리적인 게임 서버 자원은 점차 늘어 가고 있다. 이에 따라 서버의 I/O 성능을 향상시키기 위해 게임 서버에 I/O 가상화 기술 을 도입하고자 하는 요구가 점차 증가하고 있다. 그러나, I/O 지연 시간이 수시로 변하는 게임 서버 는 I/O 응답성을 쉽게 보장하기가 힘들다. I/O 가상화 효과를 극대화하기 위해 I/O 응답성 보장은 매우 중요하며 가상 머신의 우선순위에 따라 I/O 지연 시간을 관리할 수 있는 I/O 스케줄링 기법이 반드시 필요하다. 따라서 본 논문에서는 가상화 환경에서 최대 I/O 지연 시간을 보장하는 효율적인 지연 제약 스케줄링 기법을 제안한다. 또한 제안한 기법을 이용하여 지연시간을 보장하는지 실험을 하여, 패킷의 손실량이 줄고 스케줄링의 공정성이 증가한 것을 확인하였다.

In this paper, we deal with the performance evaluation method of user identification and user tracking for intelligent robots using face images. This paper shows general approaches for standard evaluation methods to improve intelligent robot systems as well as their algorithms. The evaluation methods proposed in this paper can be combined with the evaluation methods for detection algorithms of face region and facial components to measure the overall performance of face recognition in intelligent robots.

In this paper, we report the progress in the development of performance evaluation method for detection algorithms of face region and facial components. This paper aims to provide a standardized evaluation method for general approach in face recognition application as a potential component in futuristic intelligent robot systems. From an image capture process to the retrieval of face-related information, all the necessary steps are shown with examples.