사용자들이 게임의 기능적 편리성뿐만 아니라 정서적 충족을 목표로 하면서, 이러한 점을 고려한 새로운 감성공학이 게임산업에 적용되었다. 이러한 이유로 게임업계에서도 게이머의 정서적 충족을 목표로 게임을 개발하려는 움직임이 활발하다. 따라서 게임이 출시 전 개발단계에서 감성평가라는 제도가 적용되었다. 감성평가는 게임 인터페이스와 시스템, 게이머의 감성적 욕구 등을 평가하는 방식이다. 다만 평가방식이 평가자의 주관에 따라 결정되는 단점이 있다. 그래서 게이머의 몰입여부에 따라 답변이 달라질 수 있는 문제를 가지고 있다. 따라서 본 연구에서는, 아이트래킹 기술과 본 논문에서 제시한 평가 시스템을 이용해 게이머의 몰입도를 측정하고, 그 후 감성평가를 실시함으로써 감성평가의 신뢰성을 높이는 방법을 제안한다.

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.

가상현실이란 디지털로 표현된 가상 환경을 뜻하며 인터넷 쇼핑, 아바타 등 기본적으로 디지털 환경을 일컫는 단어이며, 최근에는 머리에 장착하는 디스플레이(HMD : Head Mounted Display)의 등장으로 사용자가 현실과 유사한 환경을 직접 경험하는 체험형 콘텐츠로서 의미를 확장했다. 현재 가상현실은 게임을 비롯한 힐링 콘텐츠, 관광, 군사 시뮬레이션 다양한 분야에서 주목받고 있으며 HMD의 보급 또한 활발하다. 사용자가 가상현실 콘텐츠를 체험하기 위해서는 몇 가지 제약이 발생하는데, 사용자의 시야가 차단되 현실공간감각이 상실된다. 따라서 기존에 사용되었던 입력장치인 키보드, 마우스 등의 사용에 어려움이 있으며 HMD를 개발하는 개발사들은 위의 문제를 해결하고자 가상현실 체험에 특화된 핸드트래킹 디바이스를 제공한다. 하지만 이 또한 상호작용, 이동, 제스처가 손에 집중되어있어 가상환경에 익숙하지 않은 이용자의 사용자 편의가 낮다. 본 논문은 이러한 이동의 문제를 아두이노를 통해 제작한 발 트레킹 디바이스로 이동을 분리시켜 해결하고자 하였다. IMU의 각속도계와 가속도계를 이용해 다리의 궤적을 측정하려 하였고, 이때 발생한 오차는 상보필터를 통해 해결하였다. 또한 기본적으로 발생하는 센싱-통신-연산 과정에서의 노이즈는 두가지 이동평균기법과 생략평균값을 이용해 안정화 시켰다. 사용자는 해당 장비와 Oculus Rift를 착용하고 Unity3d환경으로 구축된 실험환경에서 임무 수행 속도, 이동방향 오차율등을 측정해 기존 HMD컨트롤러와 본 논문에서 제시하는 컨트롤러를 비교 검증했다. 실험 결과 임무 수행 속도와 이동 오차율 모두에서 본 논문에서 제시하는 장치가 우수한 데이터를 제공하였다. 본 실험 결과를 토대로 이동조작 분리가 높은 접근성을 제공한다는 것을 확인하였다. 본 논문은 HMD 이동 컨트롤러를 포함한 이후 개발되는 다양한 사용자 제스처 인식 컨트롤러에도 적용 가능할것으로 보인다.

본 연구에서는 사용자로부터 입력받은 이미지를 분석하여 그에 맞는 음악을 생성, 재생하는 방법을 고안 하였다. 단순히 이미지를 청각화 하는 기술적인 의미 뿐 아니라 사용자의 이미지에 담긴 정서와 의도 또한 담아내는 것을 목표로 하였다. 사용자는 본 연구에서 제안된 어플리케이션에 원하는 물체를 그린다. 인공지능을 통해 이미지가 어떤 물체인지 판별 후, 그 물체와 이어질 수 있는 감정을 대응해 해당 멜로디의 감정과 분위기를 맞출 수 있도록 하였다. 정서에 알맞는 음정(key)를 설정한 뒤, 사용자가 이미지를 그릴 때 입력한 획순을 분석해 이를 기준으로 음계를 추출하여 선율을 생성하였다. 향후 이미지의 청각적 표현을 구현하는 것뿐만 아니라 그림에 대한 예술적인 이해와 의미 있는 음악을 만들어내기 위한 화성법 등의 작곡이론을 연구하여 이미지에 담긴 예술성과 의도를 음악에 담아낼 수 있는 한 가지 방향을 제시할 것이다. 또한 그림을 인식하고 판별하기 위한 인공지능 기술과 그림 분석, 음악 생성 등의 예술 분야를 결합해 공학과 예술의 융합이라는 방향으로서 의미 있는 시도가 될 것이다.

필기 인식은 사람이 작성한 문서나 종이에 쓴 글자, 사진에 보이는 글자 등을 인식하는 기술이다. 대표적인 기술로는 OCR과 온라인 필기인식 기술이 있으며 OCR은 정자로 또박또박 쓴 글씨 인식률은 높지만 그렇지 않는 경우에는 인식률이 낮다. 온라인 필기인식 기술은 필기 입력순서와 사람의 필체의 차이에 따라 인식률이 확연하게 달랐다. 본 논문에서는 이러한 단점을 보완하고자 딥러닝을 이용하여 필기체 인식 시스템을 제안하고자 한다. 본 논문에서는 신경망 알고리즘 중 Convolutional Neural Network와 EMNIST 데이터 세트를 사용하여 학습 데이터를 설계하였고 Unity3D 게임엔진을 이용하여 전체적인 시스템을 구성하였다. 또한 본 논문에서는 CPU와 GPU 성능이 학습 결과에 영향을 미치는지 알아보기 위해 성능을 비교분석을 하였고, loss 값과 accuracy 결과에 큰 차이는 없었지만 학습 속도에는 최대 30배 정도 속도 차이가 났다. 마지막으로 실험을 통해 시스템 인식결과를 분석하였고, 문자와 숫자가 유사한 O, q, l과 같은 알파벳이나, 실험자가 글자를 다른 알파벳과 유사하게 보이게 필기하면 인식률이 낮았다. 본 논문에서 제안하는 시스템은 게임엔진을 사용하여 인공지능 시스템을 개발했기 때문에 프로세스 절차가 간략해졌고 호환성도 좋아졌다.

각종 비즈니스와 거래가 이루어지는 사이트에서 고객과 서비스 공급자와의 소통은 중요한 문제이다. 특히 어떠한 문제가 발생해 문의가 들어왔을 때 그 문제를 빠르고 정확하게 해결하는 능력은 사이트에 대한 신뢰와도 직결된다. 본 논문에서는 재능마켓 플랫폼 사이트에서 챗봇 기술을 이용해 사이트 이용자들의 불평과 문의를 처리하는 방식을 제안한다. 우선 문의자와 실시간으로 대화할 수 있는 챗봇을 구현하여 사이트 이용법, 단어 검색 등의 기능을 이용할 수 있게 하였다. 몇 단어 혹은 문장으로 정의하기 힘든 사이트의 각종 오류와 문제에 대해서는 에러코드를 지정해 데이터베이 스화시켰다. 사이트 이용자들은 오류 발생 시 출력되는 에러코드를 챗봇에 문의하여 그에 대응하는 답변을 실시간으로 얻을 수 있었다. 본 연구에서 구현한 챗봇은 사이트 이용 시 오류를 경험하거나 문의가 생긴 이용자에게 빠르고 정확한 답변을 줄 수 있어 만족스러운 경험을 제공했다. 이는 장기적으로 사이트의 신뢰성과 호감도에 긍정적인 영향을 주고 오류 문의 등에 들어가는 인력과 시간 비용을 줄이는 등의 도움을 줄 것으로 예상된다.

실생활에서 사용되는 결제 시스템에는 전자 사인 , QR 코드, 바코드들이 사용된다. VR 환경 내에서 구현되어 있는 결제 시스템은 점점 연구가 시작되고 있다. 본 논문은 기존의 결제 시스템을 VR 환경에서 구현하기 위해 손 제스쳐 인식을 이용한 VR 전자사인 시스템을 제안한다. VR 시스템에 서는 키보드를 두드리거나 마우스를 건드릴 수 없는 상황이다. VR 컨트롤러를 가지고 결제 시스템 을 구성하기 위한 방법에는 여러 가지가 있을 수 있다. 손 제스처 인식을 이용한 전자사인이 그 중 하나인데, 손 제스쳐 인식에는 크게 Warping Methods, Statistical Methods, Template Matching 방법 으로 분류할 수 있다. 본 논문에서는 Template Matching 방법에 속한 $p 알고리즘을 이용하여, VR 에서 결제 시스템을 구성하였다. 그리고, VR 환경을 조성하기 위해서 Unity3D와 Vive 장비를 이용 해서 실제 결제가 이루어지는 paypal 시스템을 구현하였다.

다른 장르의 게임에 비해 포커는 게이머의 심리적 요소가 많은 영향을 끼친다. 본 논문에서는 CNN과 SVM을 기반으로 온라인 포커 게임에 게이머와 아바타 간의 감성연결을 실현하기 위한 새로운 감성 인식방법을 제안한다. CNN모델을 이용하여 원래 얼굴 이미지의 특징을 추출하고, 다중 클래스 SVM분류기를 사용하여 목표 이미지를 인식하고 분류한다. FER-2013데이터베이스에서 이 방법은 감성인식률 68.79 %를 달성하였다. 기존의 다른 감성 인식 모델과 비교하면, 이 모델은 뚜렷한 장점을 보일 수 있다. 본 게임은 Socket 통신방식을 통해 감성인식결과를 Seven Poker로 전송하여 아바타가 게이머와 같은 감성을 표현하도록 설계하였다. 온라인 포커 게임에 감성연결 기술을 이용하면 게임과 인간의 상호작용이 향상될 뿐 아니라 게이머가 상대방의 심리적인 활동을 효과적으로 분석할 수 있다. 감성연결 기술은 게임에서 게이머들에게 새로운 게임 경험을 제공할 수 있는 기술이라고 생각된다.

요약; 최근에는 기계 학습, 특히 심층 학습에 많은 연구가 진행되고 있다. 구글, 페이스 북과 같은 대기업이 인공 지능과 기계 학습에 관심을 가지고 있기 때문에, 이러한 연구는 날마다 발전하고있다. 기계 학습은 의학, 번역 및 IT와 같은 다양한 산업에서 사용될 것으로 기대됩니다. 게임 부문은 기계학습 기술적용의 효과가 예상되는 영역 중 하나라고 간주됩니다. 본 논문에서는 MMORPG-Tera의 게임 콘텐츠에서 몬스터의 승패를 예측하는 신경망을 Tensorflow를 통해 설계하였다. 이 모델은 1 개의 입력 레이어, 2 개의 숨겨진 레이어 및 1 개의 출력 레이어를 가지고 있다. 입력 레이어에는 8 개의 노드가 있고 각 숨겨진 레이어에는 16 개의 노드가 있으며 출력 레이어에는 1 개의 노드가 있다. 더 나은 결과를 위해 우리는 그라디언트 디센트, 시그 모이드 (Sigmoid) 함수 및 Relu 함수 (Activate 함수)에 Adam을 사용한다. 준비된 데이터 세트의 마지막 부분은 테스 트 데이터 용으로 사용되고 나머지는 학습 모델 용으로 사용되었다. 이 모델은 5 ~ 10 % 오차 이내의 확률을 예측할 수 있다. 데이터 세트의 부족은 만족스럽지 않은 점으로 남아 있으며, 충분한 데이터가 수집되고 더 개선 된 모델이 준비되면 오류를 더 줄일 수 있다. 그리고 제안된 모델은 앞으로 다른 게임이나 스포츠 게임에도 적용될 것이다.