Abstract
This paper proposes a method to learn action patterns of opponent characters for intelligent characters. For learning action patterns, intelligent characters learn the past actions as well as the current actions of opponent characters. Therefore, intelligent characters react more properly than ones without the knowledge on action patterns. In addition, this paper proposes a method to learn moving actions whose fitness is hard to evaluate. To evaluate the performance of the proposed algorithm, we experiment with four repeated action patterns in a game similar to real games. The results show that intelligent characters learn the optimal actions for action patterns and react properly against to random action opponent characters. The proposed method can be applied to various games in which characters confront each other, e.g. massively multiple of line games.
본 논문에서는 일반적인 대전 액션 게임에서 신경망을 이용하여 구현한 지능 캐릭터가 상대방 캐릭터의 행동 패턴을 학습하는 방법을 제안한다. 상대방 캐릭터의 행동 패턴을 학습하기 위하여 상대방 캐릭터의 현재 행동은 물론 과거 행동도 입력받아 학습하게 함으로써, 행동 패턴을 학습하지 않은 경우보다 더 적절한 대응이 가능해진다. 상대방 캐릭터의 행동 패턴의 학습과 더불어 행동의 적절성을 판단하기 어려운 이동에 대한 학습 방법도 제시한다. 제안한 알고리즘의 성능을 평가하기 위하여 실제 게임과 매우 유사한 게임 환경에서 네 가지 행동 패턴을 이용하여 실험하였다. 실험 결과, 모든 행동 패턴에 대하여 지능 캐릭터가 최적 행동을 학습했고, 또한 무작위로 행동하는 캐릭터에 대해서도 이전 방법보다 우수한 성능을 보였다. 이와 같은 결과는 제안한 방법이 상대방 캐릭터의 행동 패턴을 적절히 학습하여 대응할 수 있음을 보여준다. 제안한 알고리즘은 온라인게임과 같이 캐릭터들이 서로 대결하는 게임들에 쉽게 응용될 수 있다.
