세상에 존재하는 모든 게임은 규칙을 핵심 요소로 가지고 있으며 규칙을 학습하고 준수하는 것으로 게임이 진행되고 끝나게 된다. 게임 규칙을 작성하는데 어려움을 겪고 있는 수많은 개 발사에 도움이 되기 위해 게임 규칙에서 필요로 하는 카테고리를 정리할 필요가 있다. 게임 산 업에서 게임 규칙을 체계적으로 작성하기 위해 먼저 규칙의 카테고리 구분이 필요하며, 어떤 카테고리에 상대적으로 노력을 기울일 것인가에 대한 가이드라인을 제공하는데 목적이 있다. 본 연구는 게임 규칙 카테고리의 5가지 상위계층과 15가지 하위계층을 정리하여 게임 규칙 카테고리 계층화 모델을 설계하고 싱글과 멀티 플레이 게임에 게임 규칙 작성 시 중요시할 카 테고리의 우선순위를 비교분석했다. 성장, 캐릭터, 스토리텔링, 세계관, BGM의 우선순위가 싱 글 플레이 게임에서 높게 나온 것에 비해 멀티 플레이 게임에서는 낮게 나타났다. 조작, 전투, 레벨 디자인, UI의 우선순위가 멀티 플레이 게임에서 높게 나온 것에 비해 싱글 플레이 게임 에서는 낮게 나타났다.

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 감정에 대한 연구는 게임을 하는 사용자와의 상호작용을 높이는 요소로 주목 받고 있다. 그 동안 게임에서 표현되는 감정은 간단한 구조를 사용했었다. 하지만 게임에서 사용되는 감정에 대한 사용자의 요구가 높아지면서 감정을 구조화시킬 필요가 생겼다. 이 논문에서는 게임 속 캐릭터의 감정을 위해 생물학적 감정 원리를 기반으로 제안된 감정규칙을 활용했다. 그리고 감정에 영향을 주는 게임 구성요소를 분류하고 캐릭터가 게임에서 감정을 인지하기 위한 구조를 제안한다. 이를 통해 기존의 게임에서 사용된 감정을 감정의 역할로 분석하고 게임에서 감정을 표현하기 위해 고려 해야할 구조적인 틀을 제안한다.

감정은 사용자의 상호작용을 도와주는 게임요소 중 하나이다. 그동안 게임에서 캐릭터들의 성격이나 감정을 표현하는 방식은 그래픽과 특정행동에 대한 반응 정도로 고려되었다. 하지만 최근 감정연구에 대한 관심이 높아지면서 게임에서도 감정을 다양하게 활용하기 위한 구조화가 필요해졌다. 자율성 에이전트 분야에서는 감정의 활용가능성 연구를 통해 12가지 감정규칙을 정의했다. 본 논문에서는 감정규칙을 게임에 사용되는 용어로 정의하고 확장시켜 게임 감정규칙을 만들었다. 그리고 게임 감정규칙을 사용해 실제 게임 속 캐릭터의 감정을 분석했다. 그 결과 비슷한 장르의 게임에도 각자 다른 게임 감정규칙이 사용되는 것을 볼 수 있었다.