• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.333-334
• /
• 2022

본 논문에서는 대전 격투 게임에서의 AI 개발을 위한 강화학습 사용 방법을 제안한다. 이 방법은 학습 모델에 상대방의 다양한 패턴을 학습시켜 적은 코드로 효율적인 AI 개발을 할 수 있어 개발 시간을 최소화 할 수 있다. 또한, 이 방법은 복잡한 코드를 추가 또는 제거할 필요 없이 보상과 액션을 조정하여 다양한 종류의 AI를 원하는 만큼 생성할 수 있다는 장점이 있다. 본 논문에서는 Unity 사에서 제공하는 머신러닝 툴인 ML-Agents를 활용하여 강화학습을 통한 대전 격투 게임 AI의 가능성을 보인다.

• 한국게임학회 논문지
• /
• 제13권3호
• /
• pp.121-130
• /
• 2013

본고에서는 콘텐츠분쟁조정위원회에서 조정한 사건들을 중심으로 분쟁현황과 그 이슈를 살펴보았다. 그 결과, 미취학 아동들의 모바일 게임 피해 문제, 통신사와 국내 일반기업과 연계된 게임분쟁문제, 게임사의 책임성과 통신사의 주도적인 피해 방지 시스템 구축의 필요성 문제, 업체의 피해 구제 인식의 필요성 문제 등을 되짚어 볼 수 있었다. 또한 본 연구를 통해, 분쟁조정 제도는 분쟁 당사자들의 갈등을 합리적으로 조율하도록 매개 역할을 크게 수행하고 있다는 사실과 모바일 오픈마켓의 자율적인 신뢰성 확립이 절대적으로 필요하다는 사실을 확인할 수 있었다.

• 한국CDE학회지
• /
• 제10권2호
• /
• pp.34-39
• /
• 2004

포괄적인 개념에서, 게임에서 인공지능이란 PC(Player Character, 사용자에 의해서 조정되는 게임 오브젝트)를 제외한 모든 것들을 제어하기 위해 사용되는 일련의 기술이라고 정의할 수 있다. 예를 들면, PC를 둘러싸고 있는 환경, PC를 대적하거나 경쟁관계에 있는 NPC(Non-Player Character), PC에 조언을 해주는 조언자 NPC 등을 제어하고 사용자가 느끼기에 지능적이면서 실제적인 것으로 보이도록 하여 게임의 흥미를 더하기 위한 기술들이다. (중략)

• 한국디자인학회:학술대회논문집
• /
• 한국디자인학회 2005년도 추계 학술발표대회 논문집
• /
• pp.130-131
• /
• 2005

• 한국인터넷방송통신학회논문지
• /
• 제15권4호
• /
• pp.135-143
• /
• 2015

멀티플레이어 온라인 게임(MOG)은 수백 또는 수천명의 플레이어들을 위한 게임이며 대부분 인터넷을 이용하여 수행된다. MOG를 위한 P2P(peer-to-peer) 구조는 잠재적으로 규모조정성 증대, 비용 절감, 성능 향상 등이 가능하다. P2P 기반 게임의 기본 개념은 게임 상태를 플레이어들에게 분산 시켜서 각 플레이어가가 처리, 통신, 저장 업무를 수행하도록 하는 것이다. 객체에 대한 갱신 과정이 기본 사본에서 먼저 수행되는 기본 사본 기반 복제 기법에서도 객체들의 기본 사본은 플레이어들 간에 분산된다. 대부분의 멀티플레이어 게임은 각 객체마다 강한 일관성을 제공하기 위하여 기본 사본 모델을 사용한다. 게임은 여러 수준의 민감도를 가지며 각각의 일관성 요건에 따라 영역화될 수 있는 다양한 유형의 게임 액션들로 구성된다. 게임 내에서 각 액션의 유형마다 적절한 일관성 수준이 유지될 때 본 논문에서는 게임 개발업체가 성능과 일관성 간에 적절한 상충 관계를 선택할 수 있도록 한다. 기본 사본 모델을 갖는 P2P 게임 구조에 대한 성능 분석 결과가 기술된다.

• 한국게임학회 논문지
• /
• 제9권1호
• /
• pp.33-41
• /
• 2009

본고에서는 MMORPG의 게임 재화 현금거래의 유형과 한계점 연구를 위해 먼저 완전경쟁시장 체제인 MMORPG의 레벨링시스템과 게임경제의 폐쇄구조가 어떻게 현금 거래를 발생시키는가를 살펴보았다. 완전 경쟁시장체제인 MMORPG의 레벨링시스템으로 인한 과잉 생산은 게임의 폐쇄적 경제구조로 인해 통화량의 증가로 이어지고 게임 내에서 머드플레이션이 발생하며 현금거래를 유발한다. 이러한 문제점을 개선하기 위한 방법은 세 가지로 분류할 수 있다. 첫째는 유저에 의한 자생적인 질서를 통해 게임 경제를 안정시켜 개선하는 방법이 있으며 인위적이 질서에 비해 국지적이고 오랜 시간이 소요되며 MMORPG의 경쟁이란 속성에 위배된다는 한계를 지닌다. 둘째는 정부의 법제도에 의한 규제를 통한 개선이 있으며 서비스나 정보의 생산을 비물질노동으로 인정하지 않음으로서 새로운 유형의 게임이 계속 나타나는 게임 산업의 발전 속도를 맞추지 못하고 있다는 한계를 지닌다. 마지막으로 게임 디자이너에 의한 개선은 아이템의 세부적인 조정과 귀속시스템, 아이템 공급량 조절등의 게임디자인을 통해 이루어지며 게임 디자이너에게 강제할 수 없으며 현금거래가 발생하는 원인인 통화량의 증가를 조절할 수 없다는 한계점을 지니고 있다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.911-919
• /
• 2022

본 논문에서는 교육용 로봇을 활용한 음운인식 게임 활동이 만 5세 유아들의 읽기 능력과 읽기 흥미에 미치는 영향을 살펴본다. 이를 위해 먼저 만 5세 유아를 대상으로 하는 음운인식 게임 16종을 설계한 후, 로봇이 참여하는 실험집단용 활동과 교사가 주도하는 비교집단용 활동으로 미세하게 조정하였다. 두 가지 활동은 각각 S시 소재 어린이집 2개에 재원하는 만 5세 유아 각 15명을 대상으로 6주간 16회기에 걸쳐 진행되었다. 활동 전후 각 그룹 유아들의 읽기 능력 및 읽기 흥미를 비교한 결과는 다음과 같다. 첫째, 교육용 로봇을 활용하여 음운인식 게임 활동을 진행한 실험집단이 비교집단보다 읽기 능력 특히, 총점, 단어의미, 탈락, 대치에서 보다 긍정적인 효과를 나타냈다. 둘째, 교육용 로봇을 활용하여 음운인식 게임 활동을 진행한 실험집단이 비교집단보다 읽기 흥미에서 긍정적인 효과를 나타냈다. 향후 연구에서는 교육용 로봇을 활용한 음운인식 게임 활동이 유아의 문식성과 즐거움의 동기에 긍정적 역할을 하는지를 연령별 모형을 수립하고 검증하여 발달적 추이를 살펴볼 계획이다.

• 한국항해항만학회지
• /
• 제31권6호
• /
• pp.531-536
• /
• 2007

비선형 시스템의 제어를 위해서 일반적으로 사용하는 하나의 동작점에서 얻은 선형모델에 기초한 제어기는 여러 가지 선형제어기법을 응용할 수 있다는 장점이 있지만 파라미터 변동에 대해 적절히 대처하지 못하는 단점을 가진다. 따라서 본 논문에서는 제어대상의 시스템 파라미터가 변동하는 경우에도 제어기가 적응적으로 작동하기 위한 방법으로 보간-LQ 제어기법을 제안한다. 보간-LQ 제어기는 다수개의 서브-LQ 제어기를 설계하고, 이들의 이득을 다시 보간하는 방법을 사용하기 때문에 파라미터 변동에 따라 제어기의 이득이 지속적으로 조정되는 제어기이다. 제안한 방법은 파라미터 변동이 존재하는 컨테이너 크레인 시스템에 적용하여 유효성을 살펴본다.

• 한국게임학회 논문지
• /
• 제13권2호
• /
• pp.143-154
• /
• 2013

본 논문은 게임 거버넌스의 핵심적 요소로서 게임등급시스템을 분석하고, 주요 행위자들 사이의 균형과 조정, 그리고 문제지점을 조망할 것이다. 일반적으로 등급시스템은 일련의 합의적 절차에 의해 수행되는 안전메커니즘으로 간주되지만, 한국에서 등급분류는 사실상 게임물의 생사여부를 결정하는 사법메커니즘 또는 규율메커니즘으로 작동하고 있다. 국내의 관련 이해당사자 집단들이 대체로 자율등급시스템의 형성에 동의하고 있음에도 불구하고 안전메커니즘으로의 이행이 어려웠던 기원에 대해 고찰한다면 한국의 사회문화적 상황에 맞는 게임 거버넌스 모델을 위한 담론형성에 기여할 수 있을 것이다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.269-274
• /
• 2023

질의응답 (Question Answering)은 주어진 질문을 이해하여 그에 맞는 답변을 생성하는 자연어 처리 분야의 핵심적인 기계 독해 작업이다. 현재 대다수의 자연어 이해 작업은 사전학습 언어 모델에 미세 조정 (finetuning)하는 방식으로 학습되고, 질의응답 역시 이러한 방법으로 진행된다. 하지만 미세 조정을 통한 전이학습은 사전학습 모델의 크기가 커질수록 전이학습이 잘 이루어지지 않는다는 단점이 있다. 게다가 많은 양의 파라미터를 갱신한 후 새로운 가중치들을 저장하여야 한다는 용량의 부담이 존재한다. 본 연구는 최근 대두되는 deep prompt tuning 방법론을 한국어 추출형 질의응답에 적용하여, 미세 조정에 비해 학습시간을 단축시키고 적은 양의 파라미터를 활용하여 성능을 개선했다. 또한 한국어 추출형 질의응답에 최적의 prompt 길이를 최적화하였으며 오류 분석을 통한 정성적인 평가로 deep prompt tuning이 모델 예측에 미치는 영향을 조사하였다.