Neural Network와 Robocode를 이용한 동적 객체에 대한 Targeting 기법의 연구

A Research of Targeting Technique for Dynamic Objects with Neural Network and Robocode

우수한 능력의 인공지능 개체로 구성된 게임은 그렇지 못한 게임에 비해 더 나은 흥미를 사용자에게 제공할 수 있다. 미국 Valve사의 Half-Life, Counter-Strike 및 한국 Dragonfly사의 Special-Force와 같은 실시간 FPS 전투게임에서 상대편에 대한 검색 및 목표 화하는(Targeting) 기법은 인공개체의 전투력에 중요한 하나의 요소이다. 하지만 이 같은 경우의Targeting은 정적인 대상에 대한 것이 아니라 동적인 대상에 대한 것이므로 단순한 산술 계산으로는 실용적인 효과를 내기 힘들다. 본 논문에서는 Neural Network를 이용한 학습기법을 사용하여 동적인 개체에 대한 효과적인 Targeting기법을 제안한다. 제안한 기법은 매 순간 변화하는 상황정보와 Virtual bullet이라는 가상 미사일 개념을 활용하여 학습 Data를 모델링한 후 Neural Network로 학습시켜 효과적인 Targeting이 가능하도록 구현하였다. 제안한 기법은 Java기반의 탱크전투 시뮬레이션 Framework인 Robocode에 적용하여 그 성능을 평가하였다. 제안된 기법으로 제작된 Robot(Crystal 1.0)은 ‘2006 Robocode Korea Cup에서 우승을 차지하였다.