This study proposes a real-time content design pipeline optimized for Unreal Engine, integrating generative AI-based image creation with AI-assisted 3D modeling tools. The pipeline aims to streamline the production of high-quality assets for real-time applications, including games and simulations. Two types of subjects were selected: a bust combining organic character features, and a stone slab characterized by planar and symmetrical structure. Multi-angle image data were first synthesized using advanced generative AI models to simulate diverse viewpoints. These were then processed using AI-enhanced photogrammetry and modeling tools to reconstruct detailed 3D meshes and extract base textures. Post-processing steps, including mesh decimation, UV unwrapping, and texture baking, were performed to ensure compatibility with Physically Based Rendering (PBR) workflows used in Unreal Engine. The final assets were successfully imported into Unreal Engine, demonstrating visual fidelity and performance suitability in a real-time environment. The study confirms the pipeline’s potential for accelerating asset development and suggests promising future directions in AI-driven digital content creation.

본 연구는 생성적 AI와 언리얼 엔진의 MetaHuman 기술을 통합하여 고급 실시간 디지털 휴먼 시스템을 구현하는 것을 탐구한다. Inworld AI의 NPC 시스템 및 NVIDIA의 Avatar Cloud Engine과 같은 기존 기술 통합 사례를 분석하여 연구에 참고하였으며, MetaHuman의 시각적 사실성과 생성적 AI의 동적 행동을 결합한 새로운 아키텍처를 제안한다. 연구 방법론은 캐릭터 제작, AI 모델 통합, 실시간 성능 최적화를 다루고 있다. 시스템은 렌더링 품질, AI 응답 정확 도, 사용자 경험을 기준으로 평가되었으며, 그 결과 이러한 통합이 보다 반응성 높고 사실적인 디지털 휴먼을 구현할 잠재력을 입증했다. 본 연구는 게임, 교육, 가상 비서 분야에서의 시사점 을 논의하고, 현재의 한계점과 향후 연구 방향을 제시한다. 이를 통해 첨단 AI 기능과 최첨단 실시간 렌더링을 결합한 프레임워크를 제공하여 지능형 가상 캐릭터 개발을 한 단계 발전시키 는 데 기여하고자 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.