가상 환경 또는 실세계에서 지능적인 NPC를 위한 연구가 하드웨어나 소프트웨어 분야에서 활발히 진행되고 있다. 하드웨어 분야로는 로봇 시스템이 주를 이루고 있으며, 이는 물리적인 제약점과 노이즈의 문제 해결에 초점을 맞추고 있다는 점에서 단순 소프트웨어 분야와는 차이점이 있다. 그러나 공통적인 목표는 사람과 같은 환경에서 사람과 같이 행동하는 지능형 NPC 기술 개발이다. 본 논문은 최근 기존 연구 중에서 소프트웨어 분야와 아키텍쳐 설계를 통해 지능적인 NPC를 연구한 사례를 중점으로 조사한다. 사람과 같은 행동 결정을 유도하는 NPC에는 신경망, 유전자 알고리즘, 사례기반 추론, 학습과 같은 여러 분야에 연구가 진행되고 있다. 다양한 인공지능 알고리즘 중에서 현재 환경과 자신의 상태를 고려하여 가장 적합한 행동 결정을 유도하는 계획 기법을 기반으로 하는 연구를 조사한다. 이러한 연구는 기존의 실세계의 로봇 시스템, 가상 환경, 가상 시뮬레이션 그리고 게임의 여러 캐릭터 위주의 장르에서도 활용범위를 넓힐 수 있다.

게임에서의 인공지능은 등장 캐릭터의 지능적인 행동을 구현함으로써 게이머가 조작하지 않는 NPC(Non-Player Character)들의 움직임을 자연스럽게 제어하거나 게이머의 상대 역할 또는 보조자 역할을 한다. 뿐만 아니라 애니메이션의 동작을 제어할 수도 있으며 캐릭터가 목적지까지 갈 수 있는 최적의 이동경로를 찾아주기도 한다. 게임에서의 인공지능을 구현하기 위해서는 한 두가지 방법만을 사용하기보다는 게임의 수준이나 장르에 따라 몇가지 방법을 조합하여 구현하는 것이 일반적이다. 현재 출시되어 상용화 된 RPG 게임에는 인간과 거의 흡사한 모션들이 많은데 이 모든 모션들은 모션 캡처를 통해 얻은 데이터들이어서 용량도 무척 크고 특히 이러한 자연스러운 모션은 플레이어 캐릭터에 국한되어 있다. 따라서 게임플레이 할 때 상대적으로 비중이 작은 NPC의 모션은 무척 단순하고 부자연스럽다. 본 논문에서는 NPC가 플레이어캐릭터의 모션을 학습할 수 있는 알고리즘을 제시하고 연구하였다.

인공지능 캐릭터에 대한 연구는 게임뿐만 아니라 애니메이션 그래픽스 분야에서 가장 많이 연구되고 논의되어 왔 던 이론 중의 하나이다. 게임 환경의 인공지능 캐릭터인 NPC는 감각 시스템을 이용하여 환경을 인지하고 기억 시스 템에 저장한다. 기억 체계는 감각 기억과 인지 기억으로 구성되고 인지 기억은 공간 데이터베이스 이론에 기반을 둔 공간에 존재하는 정보들 간의 위치 관계를 이용하여 정보를 저장한다. 본 논문에서는 NPC의 효율적인 인지 기억 기 법으로 공간 데이터베이스 이론과 퍼지이론을 적용하여 인지한 객체 간의 관계그래프, 즉 인지 맵을 만들어 기억한다. 즉 기억된 정보간의 인지 맵을 표현하기 위해 퍼지함수 이론을 적용한다. NPC는 이 인지 맵을 통해 객체 간의 개략 적인 거리와 방향을 자신의 인지 메모리에 저장 가능하다. 실험 결과 인지 맵을 이용한 결과 NPC의 목표 객체 탐색 시간이 기존 NPC와 비교하여 1.5배 향상되었다.

본 논문에서는 최근 컴퓨터게임 분야 뿐 아니라 애니메이션이나 가상현실에서 분야에서도 적용 가능한 게임 인공지능 기술 중 하나인 Flocking 규칙에 기초하여, 그룹형 NPC의 군집 행동에 적용하기 위한 물고기 떼의 행동형태 알고리즘을 제안한다. 또한, 이 알고리즘을 사용하여 물고기 어종이 하나인 경우와 두 종류인 경우, 그리고 장애물이 있는 경우의 Fish 개체 이동을 시뮬레이션하여 그 결과를 제시하였다.

게임에 현실과 비슷한 공간을 표현하게 되면서, 좀 더 사실적인 게임 공간을 만들어 내는 것이 매우 중요한 요소가 되었다. 그러나 정해진 틀 안에서 제한된 반응만을 보이는 NPC는 사용자가 지루함을 느끼고 게임에 대한 흥미를 잃게 만든다. 이는 NPC의 행동 생성과 제어 방법이 미흡하기 때문이다. 본 논문은 RPG류 등의 공간을 탐색하는 게임 환경에서 NPC가 자신의 상태에 따라 다른 행동을 취하고, 뷰포인트와 관계없이 ‘생활하는’ NPC에 대해 기술한다. 이 연구를 토대로 NPC의 행동을 스크립트 언어로 출력하는 행동 생성기를 제작하고 실제 생성된 NPC의 행동 패턴을 분석하여 봄으로써 본 연구가 NPC의 효과적인 행동 생성에 도움이 됨을 보인다.

본 논문은 3D 가상공간상에서 농촌에서 경험할 수 있는 작물재배, 가축사육 등을 가상 체험 할 수 있는 환경을 제공하여, 사용자에게 주말농장 체험과 유사한 경험을 할 수 있도록 한다. 기존의 웹 형태의 온라인 농작물재배/축산물 사육 시뮬레이션에서는 각종 텍스트 문서에 정지화상(사진이미지)을 적절히 조합하여 보여주는 형태가 대부분이며, 동영상으로 되어있는 내용들도 고정적인 이미지를 통한 정보습득 및 학습하는 형태로 되어있는데, 사용자들은 이 내용들보다 더욱 상세하고 많은 내용들을 필요로 하는 실정이다. 본 논문은 3D그래픽과 다중접속 네트워크 기술로 현실감 있는 가상의 농장 환경을 제공하여, 작물재배와 같은 기초적인 부분부터, 토지 환경 등을 간단하고 직관적인 인터페이스로 쉽게 접근할 수 있는 시뮬레이션 환경을 제공하며 농작물 재배가 실제 환경과 유사하도록 시뮬레이션 엔진을 구성하였다. 본 논문에서 구현된 시스템은 농업 교육이라는 건전한 놀이문화를 제공하고, 지방자치단체에서 시행하는 귀농 정책과 연계하여 시너지 효과를 가지며, 교육기관과 연계하여 작물 재배에 관한 학습 교재로서 기능을 가진다

게임에서의 지능형 NPC는 게임 사용자와 상호작용을 수행하는 대표적인 객체로 게임의 재미를 극대화하기 위해 다양한 역할을 수행하도록 모델링 된다. 사용자와 NPC의 상호작용에는 감성적 상호작용을 포함하여, 이러한 감성적 상호작용은 감성 표출을 의미하는 행동 제어를 통해 다양성을 갖도록 표현된다. 본 연구에서는 게임 환경에서 발생할 수 있는 객체 간 감성적 상황정보에 따라 NPC의 행동을 제어할 수 있도록 하기 위해 NPC의 성격 모델을 설계한다. 특히 AHP를 이용한 NPC의 성격 모델링을 통해 모델링 시점에서 유추 가능한 NPC의 성격 모델링 방법과 얻어진 성격 모델을 이용해 NPC 행동 제어 방안을 제안한다.

Human emotion is a point to communicate each other. we applied human emotion to make computer interface. In this paper, we have researched the next generation interface technology "Bio Feedback system" which enabled us to estimate an emotional state of human being and so we applied it to embody ‘NPC’ using "Reinforcement Learning Algorithm" which is able to respond appropriately to human being’s emotions.

컴퓨터 게임에서 등장한 NPC(Non-Player Character)가 복잡하고 다양한 모바일 환경에 적용되면서 친밀하고 지능적인 인터페이스로써 기대되고 있다. 이러한 NPC 인터페이스는 적응형 서비스를 제공하기 위한 모바일 에이전트에 적용할 수 있는 유망한 기술 중의 하나이다. 본 논문에서는 모바일 장치로 사용자의 상황을 능동적으로 분석하고 적응형 서비스를 제공하기 위한 다중 에이전트 시스템인 ubi-MASME(ubiquitous Multi-Agent System for Mobile Environment)를 제안한다. 이 시스템은 Hybrid P2P를 적용하여 부족한 컨텍스트 자원을 확보하고, 다양한 사용자의 상황에 따른 적절한 서비스를 NPC 인터페이스 방식을 채택하여 제공하도록 구현하였다.

게임 NPC(Non Player Character)는 게임 플레이어와 대전 또는 협력함으로써 게임의 재미를 증가시키는 중요한 요소이다. 대부분 기존 게임에서 제공되는 NPC 인공지능은 FSM(Finite State Machine)으로 제작되어 행동 패턴이 정해져 있고 능력이 동일한 특징을 갖고 있다. 따라 서 이러한 특징을 갖는 NPC들과 대전하는 플레이어는 창조적인 게임 플레이를 진행하는 것 이 어려울 수 있다. 본 논문은 이 문제점을 개선하기 위하여 실제 생활에서 늑대들이 먹이를 사냥하는 행동 모델 을 게임 NPC의 행동 모델로 제작하고 이를 평가하기 위한 것이다. 이를 위하여 첫째, 실세계 에서 늑대들이 먹이를 포획하기 위한 행동 상태들을 조사 연구한다. 둘째, 이 행동 상태들을 Unity3D 엔진을 이용하여 구현한다. 셋째, 구현된 NPC들의 상태 전이 비율과 실세계의 NPC 들의 상태 전이 비율, 일반적인 게임 NPC의 상태 전이 비율을 비교한다. 비교 결과, 구현된 NPC들의 상태 전이 비율은 실세계의 상태 전이 비율과 비슷함을 보인다. 이는 구현된 NPC들 의 행동 패턴이 실세계의 늑대 사냥 행동 패턴과 유사함을 의미하는데, 이렇게 함으로써 플레 이어에게 보다 증가된 사용자 경험을 제공할 수 있다.

본 논문에서는 행동경제학에서 주로 사용되는 전망이론을 게임 인공지능 분야에 도입하여 인간의 인지적 특성을 사실적으로 표현하고자 하는 관점에서 NPC의 의사결정 모델을 제안한다. 이를 위하여 효용 이론의 한계로 지적되었던 기준점 설정의 문제, 민감도 체감성, 손실 회피의 특징을 분석하고, 이를 게임 상에서의 NPC 의사결정 모델에 반영한다. 본 논문에서는 제안 모델을 동적 지형분석에 적용하였으며, 실험을 통해 NPC의 다양한 개성 부과 및 창발적인 행위를 유도할 수 있음을 확인하였다.

본 논문에서는 서사의 핵심 자원인 NPC 및 다양한 월드 자원들을 가진 가상의 영속적 RPG월드에서 NPC들이 창발적인 퀘스트를 지속적으로 생성할 수 있는지 실험을 통하여 검증하고자 한다. 이를 위해 가상의 RPG 월드 환경과 선행 연구들의 퀘스트 유형을 상정하여, NPC의 내적 욕구와 다른 자원의 발견 사건을 통해 퀘스트를 생성하는 실험을 하였다. NPC의 퀘스트 생성 의사결정은 욕구 충족정도, 재화 보유 그리고 상호 관계를 변수로 하였으며, 이들 변수는 퀘스트의 수행 결과에 따라 지속적으로 다음 퀘스트 생성에 영향을 주도록 하였다. 본 연구를 통하여 영속적 가상 월드에서 NPC자원들이 절차적 의사 결정 과정을 통하여 다양한 퀘스트를 지속적으로 양산할 수 있음을 보여주었다.

암환자의 방사선 치료기술은 3D-CRT, IMRT, Tomotherapy로 발전해 가고 있으며 이 3가지의 치료법은 임상에서 가장 많이 쓰이는 방사선 치료기술이다. 본 연구에서는 3D-CRT, IMRT(Linac Based) 그리고 Tomotherapy 치료시정상조직과 종양조직의 선량분포를 비교해 보고자 한다. 실험방법으로는 조직 등가물질로 이루어진 인체모형팬톰 (Anthropomorphic Phantom)을 대상으로 CT simulation을 실시(Slice Thickness : 3mm)하여 획득된 영상에 GTV를비인두 부위로 정하고 PTV는 GTV에 2mm정도의 영역을 포함시켜 치료계획용 장비(ADAC-Pinnacle3. TomotherapyHi-Art System)으로 전송한다. 치료계획은 PTV의 처방선량을 7020 cGy로 설정한 후 PTV에 부여되는 선량값과 정상조직인 이하선, 구강, 척수에 흡수되는 선량값을 산출하였다. 실험결과 PTV에 분포된 선량값은 Tomotherapy, LinacBased - IMRT, 3D-CRT가 각각 6923 cGy, 6901 cGy, 6718 cGy의 선량분포를 보여 종양조직 처방선량값인 7020cGy의 95%이상 부여되어 종양제어측면(TCP)에 부합하였으며 정상조직(이하선, 구강, 척수)은 각각 1966 cGy(Tomotherapy), 2405 cGy(IMRT), 2468 cGy(3D-CRT)[이하선], 2991 cGy(Tomotherapy), 3062 cGy(IMRT),3684 cGy(3D-CRT)[구강], 1768 cGy(Tomotherapy), 2151 cGy(IMRT), 4031 cGy(3D-CRT)[척수]의 선량이 분포되었으며 이는 정상조직 합병증발생율(NTCP)의 선량을 넘지 않았다. 모든 치료기법에서 종양조직과 정상조직이 선량분포측면에 부합하였다. 3D-CRT의 치료법이 선량분포 면에서 가장 양호하지 않았지만 종양조직제어율(TCP)과 정상조직합병증율(NTCP)을 고려해 볼 때 기준치를 벗어나지 않는 선량이 분포 되었다. 상대적으로 선량분포가 우수한 Tomotherapy, IMRT는 오랜 치료시간 때문에 폐쇄공포증환자나 호흡불량 환자가 치료받는데 어려울 수 있다. 특히 토모테라피의 경우 치료 전에 고에너지 컴퓨터 단층촬영을 매일 실시하기 때문에 불필요한 방사선 피폭을 초래할 수 있다. 결론적으로 Tomotherapy가 선량분포에서 가장 우수한 치료기법으로 평가되었으며, IMRT, 3D-CRT의 순으로 방사선치료의 적합성을 보였다. 하지만 실제 치료시 환자의 상태에 따라 제한적으로 3차원 입체조형치료를 시행하여도무방하다고 사료된다.

본 논문에서는 결정트리 학습 알고리즘을 활용한 축구 게임 수비 NPC 제어 방법을 제안한다. 제안하는 방법은 실제 게임 사용자들의 이동 방향 패턴과 행동 패턴을 추출하여 결정트리학습 알고리즘에 적용한다. 그리고 학습된 결정트리를 바탕으로 NPC의 이동방향과 행동을 결정한다. 실험결과 제안하는 방법은 결정트리 학습에 시간이 다소 걸리지만, 학습된 결정트리를 바탕으로 이동방향이나 행동을 결정하는 시간은 약 0.001-0.003 ms(밀리초)가 소요되어 실시간으로 NPC를 제어할 수 있었다. 또한, 제안하는 방법은 현재 상태 정보 뿐만 아니라 이를 분석한 관계정보, 이전 상태 정보도 함께 활용하므로, 기존방법인 (Letia98)에 비해 이동방향 결정시 높은 정확도를 나타냈다.

MMORPG에서의 NPC(Non Player Character)는 게임 서사에서 갈등을 유발하고 극적 사건을 형성하는데 중추적 역할을 수행한다. 본 연구에서는 MMORPG <World of Warcraft>를 중심으로 NPC의 유형과 그에 따른 서사적 기능을 분석했다. NPC는 플레이어 캐릭터와의 관계축, 행동의 태도축에 따라서 크게 소극적 조력자, 적극적 조력자, 소극적 적대자, 적극적 적대자로 분류된다. NPC는 유형에 따라서 변별적인 서사적 기능을 수행한다. 가령 소극적 조력자는 공간이동과 서사 연쇄의 구심점으로 기능하며, 적극적 적대자는 공간 투시를 유도하고 극적 효과를 창출한다. 이처럼 MMORPG에서 NPC는 게임 서사 진행에 있어서 주요한 서사적 기능을 수행한다. 표면적으로 NPC는 게임 서사에 있어서 평면적 제한적 기능을 수행하지만, 이면적으로는 플레이어와 상호작용하는 가운데 입체적 확장적 기능을 수행하면서 다선형적인 게임 서사를 생성한다는 점에서 의의가 있다.

게임 사용자와 자주 소통하는 게임 요소는 NPC이다. 최근 게임에서 사용되는 인공지능 알고리즘은 많은 발전을 이루었지만, NPC의 행동은 과거 게임 내의 단순한 행동을 하는 수준에서 머물러 있다. 사람과 비슷한 NPC의 행동 관찰을 주된 목적으로 하는 라이프 게임의 경우, 단순한 행동의 NPC는 게임을 지루하게 만드는 요인이 되고 있다. 이것은 NPC를 생성할 때 사람과 같은 다양한 성격과 그에 따른 행동을 보여주는 방법이 미흡하기 때문이다. 사람과 비슷한 행동을 하는 NPC를 생성하려면 사람과 같은 다양한 성격과 그에 따른 다양한 행동 생성이 필요하다. 본 논문에서는 확률 분포를 이용하여 캐릭터의 성격에 따라 다양한 감정을 표현하고, 그에 따른 행동 생성 방법에 관해 기술한다. 본 논문에서 기술한 행동 생성 방법을 실제 3D환경의 게임에 적용함으로써, 본 연구에서 제시한 연구 방법에 대한 성능을 입증하였다.

최근 게임의 종류가 다양해지고 접할 기회가 많아지면서 게임을 즐기는 사용자의 성향과 수준도 다양해지고 있다. 기존의 NPC는 행동이 단순하고 획일적이기 때문에 다양한 사용자를 상대하는데 한계가 있다. 따라서 각기 다른 사용자와 비슷한 수준으로 대응할 수 있는 적응형 NPC를 생성하는 기술이 필요하다. 본 논문은 적응형 NPC를 생성하기 위한 행동 정보 관리 기법을 제안한다 행동정보 저장 방법은 적응형 NPC가 사용자의 행동을 관찰하고 (상태-행동)의 관계로 정보를 수집한다. 수집한 행동 정보의 효율 값을 구하고 유사한 상태정보들은 군집화하여 행동 데이터베이스에 저장한다. 게임시스템은 행동 데이터베이스를 갱신하며 다양한 행동을 저장하고 효율 값이 좋은 행동을 선택하여 사용자에게 적응해 가는 NPC를 생성한다. 본 연구에서 제안한 적응기법을 액션 게임에 적용하여 실험하였다 임의의 실험자는 적응형 NPC와 실시간으로 1:1 전투를 한다. 게임 결과 로그파일을 통해 실험자와 NPC의 행동 성향을 분석하여 유사성을 판단한다. 다양한 실험 결과의 통계에서 오차율 6% 이내의 사용자와 비슷한 수준으로 적응해 가는 NPC를 생성할 수 있었다.