본 연구의 목표는 보드게임에서 인간의 행동을 모방하고 예측하여 인간 수준의 성능을 달성하 는 AI를 만드는 것이다. 그 사례로 Dixit이라고 하는 보드게임을 사용하였는데 이는 창의력과 상상력을 자극하는 카드 게임으로, 주로 3명 이상의 플레이어들이 자신이 가진 카드를 다른 사 람들에게 설명하여, 다른 사람들이 그 카드를 맞추도록 유도하는 게임이다. 우리는 디지털 카 드 예측을 위한 AI 모델을 설계하고, 다양한 데이터 전처리 기법과 모델링 방법을 비교 분석하 여 최적의 성능을 도출하는 것을 목표로 하였다. 본 연구에서는 출제자가 제시한 카드를 예측 하는 문제를 다루며, 다양한 임베딩 기법(Word2Vec, GloVe)과 LSTM 모델을 활용하여 예측 정 확도를 개선하였다. 실험 결과, 데이터 전처리 방식과 모델링 방법에 따른 정확도 차이를 관찰 할 수 있었으며, 카드 번호를 단어로 취급하여 모델에 입력하는 방식이 성능 향상에 기여했다. 또한, 모델에 LSTM층과 Bidirectional 층을 추가한 실험에서 인간 성능을 능가하는 높은 정확 도를 기록했다.

지난 5년 동안 HMD(Head Mounted Displays)가 개발되어 사람들이 가상현실을 통해 게임에서 몰입형 콘텐츠를 즐길 수 있게 되었다. 이러한 시각을 위한 장치인 HMD는 널리 보급되어 사용되고 있지만, 가상현실에 사용자의 입력을 제공하는 장치는 아직 표준화되지 않았다. 그 결과 다양한 유형의 대화형 장비들 (Leap Motion, Marker-Based Devices 등)이 각자의 장단점을 가지고 개발되어 현재 사용 중에 있다. 예를 들어, Leap Motion은 손동작만 추적할 수 있으며 마커 기반 장치는 사용자와 추적 카메라 사이에 장애물이 있거나 어두운 환경의 경우 동작의 추적에 어려움이 있다. 착용형 모션 캡처는 신체에 착용되는 상호 작용 장치이며 인간과 카메라 사이에 장애물이 있어도 움직임을 추적할 수 있는 장점이 있다. 본 논문에서는 가상현실을 위하여 연구/ 개발된 상호작용 방법들을 설명하고 축구 게임을 통해 검증한다. 우리가 아는 한 본 연구는 착용형 모션 캡쳐를 가상현실 게임에 적용한 세계 최초의 연구이다.