While the game industry is stagnating due to the limitations of its business model, high-quality storytelling is being considered as an alternative, and generative AI has made it possible to create storytelling. In this study, I propose a methodology for webtoon gamification, a collaboration between webtoon and game, to apply AI-based storytelling in practice. The player experience (Player eXperience, PX) in gamification is an experience befitting the player as an active agent, and the main beneficiaries of gamification, such as users, customers, guests, audiences, learners, and gamers, are proposed as ‘players’[1,2], which includes webtoon readers. This study proposes a webtoon gamification and webtoon×game collaboration type that enhances the format and expression of webtoons and the reader's experience, and also presents the commands (AI Story_Prompt) required for efficient AI storytelling, and studies the direction of convergence production between webtoons and games.

This study proposes a method for achieving more intuitive and efficient in-game character facial customization using Generative AI. Conventional avatar customization in MMORPGs is generally limited by fixed options, making it difficult to accurately recreate a desired appearance and requiring extensive work time. To address these issues, we employ Stable Diffusion to generate character facial images from text prompts, and then map the landmark data extracted by a facial recognition algorithm to the customization variables. Consequently, we confirmed that primary facial features eyes, nose, mouth, and so on could be integrated without the need for additional 3D modeling, allowing for faster and more creative customization than traditional manual adjustment. Moreover, by mapping the generated images onto a character’s appearance, we preserved the game’s narrative framework and polygon structure while maintaining a high degree of similarity in key facial elements such as eye shape, lips, and jawline. In future work, we intend to fine-tune the model using game-specific datasets and extend the customization scope to include clothing, items, and environments. This study not only demonstrates the potential of automated avatar customization through Generative AI but also serves as a foundational reference for novel approaches in subsequent game development.

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.

딥러닝(DL: Deep Learning)의 발전으로 오늘날 다양한 분야에서 AI 모델이 만들어지고 사용되고 있다. 오늘날, 컴퓨터의 발전과 DL 알고리즘의 발전에 의해, DL 기반 AI 모델은 수많은 데이터를 학습하고 스스로 규칙을 찾을 수 있다. DeepMind의 Alphago는 학습 데이터 만으로 게임의 규칙을 스스로 판단하고 고수준의 게임 플 레이를 할 수 있다는 가능성을 보여준다. 이런 다양한 DL 알고리즘이 게임 분야에 적용되고 있지만, 스포츠 게임 같이 팀의 전술과 개인 플레이가 공존하는 분야에서는 단일 AI 모델만으로 성공적인 플레이를 이끌어 내기에는 한계가 존재한다. 오늘날, 고품질의 스포츠 게임은 쉽게 접할 수 있다. 하지만, 게임 AI 연구자들이 이런 고품질의 스포츠 게임에 맞는 AI 모델을 개발하기 위해서는 게임 코드 소스를 받거나 게임 회사에서 테 스트용 시뮬레이터를 제공해줘야만 할 수 있다. 게임 AI 연구자들이 활발한 스포츠 게임 분야의 AI 모델을 개 발하기 위해서는 스포츠 게임의 규칙과 특징이 반영되고 접근하기 쉬운 테스트 환경(Test Environment)이 필요 하다. 본 논문에서는 팀의 전술과 개인 플레이가 중요한 스포츠 게임 분야에서 AI 모델을 만들고 테스트할 수 있는 규칙기반 축구 게임 프레임워크를 제안한다.

최근 AI 기술은 하루가 다르게 빠르게 발전하고 있고, AI기술은 각 분야에서 다양하게 사용되어지고 있다. 본 논문은 예술분야에서 AI기술의 활용으로 COVID-19 상황에서 인간관계, 개인적인 이유로 지친 마음을 위 로해주는 힐링 게임을 제작하였다. 제작한 힐링게임에서는 주로 Self-help-therapy의 효과를 얻을 수 있어, 치 료자의 도움없이 이용자가 힐링게임을 통하여 일상적 이용과정에서 치유적 효과를 얻을 수 있는 것을 기대 하고 있다. 게임 리뷰 데이터를 통계 분석하여 힐링게임으로 대중들이 요구하는 부분을 수용하여 힐링게임 이 제작되었으며, 사용자는 게임 시작 전 간단한 스토리라인과 AI와 상호작용할 수 있는 간단한 대화를 통 화여 Self-help-therapy 효과를 얻을 수 있었다.

최근, 여러 분야에서의 AI가 빠르게 성장하였고 게임에서도 큰 발전이 있었다. 게임 AI에 대한 접근 방법은 여러 가지가 있다. 먼저 지도 학습 기반 접근 방법은 게임 플레이 데이터에서 학습하고, 플레이 행동을 흉내 낸다. 그러나, 지도 학습 기반 접근 방법은 입력 자질을 선형 조합하므로, 복잡한 문제에는 성능 향상에 한계가 있다. 선형 조합에 따른 성능 한계를 개선하기 위해, 딥 뉴럴 네트워크 기반 접근방법은 지역적 특성 및 전역적 특성을 개별적으로 각각 표현하기 위해 둘 이상의 뉴럴 네트워크를 사용한다. 그러나 딥 뉴럴 네트워크 기반 접근방법은 충분한 학습 집합이 필요하다. 학습 집합을 준비해야 하는 부담을 줄이기 위해서, 강화 학습 기반 접근 방식은 Agent가 먼저 Action을 하고 이에 따른 보상을 분석하여 학습한다. 즉, 이 접근방법은 Agent가 최대 보상을 받도록 학습한다. 본 논문에서는 강화 학습을 통해 여러 게임에서 학습하는 AI를 제안한다. 제안하는 AI 모델은 개별 게임에서 Local Agent가 플레이하고, 여러 Local Agent에서 Global Agent를 학습한다. 실험 결과, 한 게임에서 학습한 Agent는 학습했던 게임에서는 우수한 성능을 보여주었지만, 새로운 게임에서는 성능이 떨어졌다. 반면에, 두 게임에서 학습한 제안하는 Agent는 학습한 게임과 새로운 게임 모두에서 잘 적응했다.

본 연구는 현재 크게 성장하고 있는 AI(인공지능)이 어떻게 게임에서 적용되고 발전되고 있는지에 대해서 탐구한다. 오늘 날 대중들이 가장 즐겨하고 있는 게임 중 하나인 포커(Poker)에서의 인공지능의 현실을 분석하고 논리적인 발전방향을 제시한다. 구체적으로, 본 연구는 다양한 포커 게임들 중 전 세계적으로 인기가 있는 종류인 텍사스 홀덤(Texas Hold’em)을 중심으로, 이 게임에 적용 되었던 2가지 AI인 Libratus와 DeepStack을 다루도록 한다. 여러 뉴스 기사 인공지능의 성장을 보고 하였으나, 본 연구는 정확히 어떻게 그리고 왜 인공 지능이 포커 게임에서 적용이 되는지, 또한 무엇이 진짜 문제이고 발전 방향인지에 대해서 입체적으로 논의한다.

3D 게임그래픽 표현기술은 게임콘텐츠발전과 함께 콘텐츠 분야에서 중요한 요소가 되었다. 특히 게임 캐릭터 표현 기술은 사실적인 그래픽 기술과 시각적인 즐거움을 주는 것 이외에 게임 을 진행하는 게임에 대한 몰입도의 중간 단계역할을 하며 플레이어가 마치 게임 속에서 영웅적 인 모험을 즐길 수 있도록 착각을 만들어 낸다. 3D 게임에 있어서 게임캐릭터의 높은 완성도는 개발과정 가운데 캐릭터 설정작업의 세심한 디테일작업과 신중함이 주요요인으로 작용한다[3]. 본 논문에서는 게임구현을 위하여 인지적 AI 알고리즘이 적용된 3D 유니티 게임 엔진을 사용하 여 radiosity의 수학적인 모델과 기본적인 radiosity 모델, 점진적 개선 radiosity 모델 기법을 방 법론을 소개하고, 모바일 게임에 적용한 캐릭터 표현기법을 제안하려고 한다. 게임엔진에 실제적 으로 적용하여보니 렌더링과정과 모의실험에서 표면의 투영도는 게임콘텐츠 환경의 조명도에 따 라 변화됨을 발견 할 수 있어서, 전체적으로 질 높은 게임캐릭터가 완성되었음이 확인 되었다.

본 논문에서는 임의적으로 움직이고 미리 정해진 위치가 없는 보이드들의 효율적인 무리짓기 대한 알고리즘을 제안한다. 하나의 보이드에 대하여 근사적으로 kNN을 찾고 행위특성의 값을 계산함으로써 제안하는 알고리즘은 기존의 공간 분할 알고리즘을 개선한다. 이를 위하여, 본 논문은 보이드들의 한 그룹에 대하여 평균 방향과 위치를 갖는 대표 보이드를 정의하여 사용한다. 제안하는 알고리즘은 구현되었으며 기존의 알고리즘과 실험적으로 비교되었다. 실험적 비교 결과로부터 제안하는 알고리즘이 기존의 알고리즘에 비하여 초당 렌더링 프레임 수 관점에서 약 -5~130%까지의 개선 효과가 있음을 알 수 있었다.

현재 온라인 게임에 있어서 지능적인 AI(Artificial Intelligence) 구현에 대한 많은 연구가 진행이 되고 있다. 그러나 온라인 게임 분야에서는 게임 자원을 제한적으로 사용할 수밖에 없는 한계로 인하여 인간적인 현명한 AI를 적용하기가 쉽지 않다. 본 논문에서 제안하는 Fuzzy Extension 기법을 이용한 AI 기법은 시스템에 적은 부하를 발생시키므로 온라인 게임에 적합하고 그러면서도 좀 더 인간에 가까운 AI 구현이 가능한 기법이다. 이러한 AI 구현을 위해 본 논문에서는 Fuzzy기반의 온라인게임에 적합한 지능적 AI 시스템 설계 기법 및 시스템 구성을 제안하고 이를 바탕으로 제작된 데모를 통하여 실제 적용할 수 있는 방안을 제시한다.

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.