• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.317-321
• /
• 2006

게임의 재미요소를 증대 시키고, 게임 생명주기(Life-Cycle)를 늘어나게 하기 위해 다양한 방법이 연구 중이다. 현실감 있는 그래픽 효과와 뛰어난 음향 효과 등과 함께 게임 플레이어의 게임 스타일이 반영된 게임을 만들기 위한 방법이 대표적이 예라 할 수 있다. 그 중 게임 플레이어의 스타일을 게임에 다시 이용하기 위해서는 플레이어의 인지과정이 요구되며, 인지된 결과를 이용하여 플레이어를 모델링(User Modeling)한다. 하지만, 게임의 종류와 특성에 따라 다양한 게임이 존재하기 때문에 플레이어를 모델링하기 어렵다는 문제를 가지고 있다. 본 논문에서는 게임에서 정의된 FSM(Finite State machine)을 이용하여 플레이어가 선택한 행동 패턴을 분석하고 적용하는 방법과 다양한 게임에서 이용 할 수 있는 스크립트 형태의 NPC 행동 패턴 변경 방법을 제안한다. 플레이어의 데이터를 분석하여 얻은 결과는 FSM을 변경하여 새로운 행동을 보이는 NPC(Non-Player Characters)를 생성하는데 사용되며, 이 캐릭터는 게임의 특성과 플레이어의 최신 행동 패턴 경향을 학습한 적용형 NPC라 할 수 있다. 실험을 통하여 사용자의 행동과 유사한 패턴을 보이는 NPC의 생성을 확인할 수 있었으며, 게임에서 상대적인 또는 적대적인 캐릭터로 유용하게 사용 될 수 있다.

• 지능정보연구
• /
• 제11권1호
• /
• pp.153-167
• /
• 2005

본 논문에서는 이동 로봇이나 자율 캐릭터 에이전트로 미지의 환경을 탐사하는 문제를 다룬다 전통적으로 공간탐사 문제를 해결하기 위한 연구노력들은 주로 그래프기반의 공간 표현법들과 그래프 탐색법들에 초점을 맞추어 왔다. 최근 들어, 공간탐사를 위한 가장 효율적인 그래프 탐색법들 중 최대 $min(mn, d^2+m)$에지들만을 탐색하는 EXPLORE알고리즘이 발견되었다. 이때 d는 그래프의 부족도(deficiency)를 나타내고, m은 그래프 에지들의 수를, n은 그래프 노드들의 수를 나타낸다. 본 논문에서는 자율 에이전트에 의해 미지의 공간을 탐사하는 실시간 그래프 탐색 알고리즘 DFS-RTA*와 DFS-PHA*를 제안한다. 두 알고리즘들은 모두 EXPLORE 알고리즘과 같이 깊이-우선 탐색(DFS)을 기초로 하고 있으며, 직전 노드로의 빠른 후진을 위해 각각 실시간 최단 경로 탐색 방법인 RTA*와 PHA*를 적용하는 것이 특징이다. 본 논문에서는 대표적인 3차원 온라인 게임 환경인 Unreal Tournament게임과 지능형 캐릭터 에이전트인 KGBot를 이용한 실험을 통해 두 탐색 알고리즘의 완전성과 효율성을 분석해본다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.15-20
• /
• 2023

본 논문은 캐릭터 웹드라마에 적합한 간접광고 제품을 추천하는 인공지능(AI) 시스템 알고리즘 개발에 관한 연구이다. 본 연구는 웹드라마의 대사 작성에 있어 그에 어울리는 간접광고 제품을 추천함으로써 시청자의 콘텐츠 몰입도를 높이고, 드라마의 스토리를 보다 깊게 이해하는 데 도움을 주는 것을 목표로 한다. 본 연구에서는 자연어처리 모델 인 GPT를 활용하여 대사, 줄거리를 분석하고, 분석 결과를 바탕으로 소품형, 배경형 등 두 가지 유형의 간접광고 제품 추천 시스템을 개발한다. 이를 통해 웹드라마의 스토리에 부합하는 제품을 적절히 배치함으로써 간접광고가 자연스럽게 노출될 수 있도록 하고, 그로 인해 시청자들의 몰입도가 증가하며, 상품 홍보의 효과 또한 높인다. 숨겨진 뜻이나 문화적 뉘앙스를 완벽하게 이해하기 어려운 인공지능 모델의 한계와 학습에 필요한 충분한 데이터 확보가 어렵다는 한계가 있다. 그러나 본 연구는 AI가 창작물 제작에 어떻게 기여할 수 있는지에 대한 새로운 인사이트를 제공하고, 창의적 산업 분야에서 자연어 처리 모델의 활용 가능성을 넓히는 중요한 발판이 될 것이다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.89-92
• /
• 2004

로보코드는 사용자가 직접 제작할 수 있는 슈팅게임 환경으로서, 이를 이용한 경진대회가 개최되고 있다. 매우 다양한 작전을 구사하는 로봇들이 인터넷을 통해 공개되지만, 대부분의 전략은 사람이 직접 설계하여 행동이 단순하고, 변화하는 환경에 따라 행동을 구사하는데에 어려움을 가지고 있다. 이로 인해 아무리 훌륭한 전략을 가지고 있더라도 환경적 요소에 따라 예상치 못한 이벤트가 발생했을 경우 적절한 행동을 선택하여 행하기가 어렵다. 본 논문에서는 동적인 환경에서 적절한 행동을 선택하는 행동선택 네트워크를 이용하여 상대 전략에 따라 적절한 행동을 선택하는 방법을 제안하고 로보코드에 적용하여 실험하였다. 실험결과, 상대 탱크의 전략에 따라 다양한 행동들을 자동으로 선택하였으며, 경기 결과로 그 전략의 우수성이 입증되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (2)
• /
• pp.730-732
• /
• 2005

본 논문에서는 자율적인 다수의 에이전트들이 협력하여 미지의 공간을 탐사하는 실시간 그래프 탐색 알고리즘인 MADFS를 제안하고 그 효율성을 분석한다. 이 알고리즘은 깊이-우선 탐색(DFS)에 기초한 단일 에이전트 공간 탐사 알고리즘인 dFS-RTA* 와 DFS-PHA* 를 멀티 에이전트 환경에 적합하게 에이전트 간 정보공유 방식과 방문노드 선택전략을 설계하여 확장하였다. 본 논문에서는 대표적인 3차원 온라인 게임 환경인 Unreal Tournament 게임과 지능형 캐릭터 에이전트인 KGBot를 이용한 실험을 통해 알고리즘의 완전성과 효율성을 분석해본다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2008년도 동계학술대회
• /
• pp.275-280
• /
• 2008

교수 학습용 디지털 콘텐츠에서 상호작용은 매우 중요하며 이와 관련된 다양한 연구가 진행되고 있다. 그러나 이러한 상호작용을 제공하기 위해서는 하위단계의 프로그래밍 및 시스템 설계를 위한 시간적 경제적 비용이 반드시 요구된다. 본 연구에서는 사용자에게 프로그래밍이 요구되지 않는 친숙한 'Pencil & Paper' 방식의 인터페이스를 제안한다. 제안 인터페이스에서는 디지털 잉크 인터페이스를 기반으로 교수자가 프레젠테이션 하기 위한 상호작용을 분석한다. 또한 교수자를 대신할 가상 프레젠터의 애니메이션 효과를 적용하여 교수자와 학습자간의 활발한 상호작용을 제공한다. 본 연구의 결과는 온라인 교육이나 전자 책, 지능형 교육 시스템 등 상호작용이 가능한 교육용 컨텐츠 개발에 확대 적용될 수 있을 것으로 기대한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.595-597
• /
• 2005

본 논문에서는 자율 에이전트에 의해 미지의 공간을 탐사하는 실시간 그래프 탐색 알고리즘 DFS-RTA*와 DFS-PHA*를 제안하고 그 효율성을 비교한다. 두 알고리즘들은 모두 깊이-우선 탐색(DFS)을 기초로 하고 있으며, 직전 노드로의 빠른 후진(backtrack) 을 위해 각각 실시간 최단 경로 탐색 방법인 RTA*와 PHA*를 적용하는 것이 특징이다. 본 논문에서는 대표적인 3차원 온라인 게임 환경인 Unreal Tournament 게임과 지능형 캐릭터 에이전트인 KGBot를 이용한 실험을 통해 두 탐색 알고리즘의 완전성과 효율성을 분석해본다.

• 만화애니메이션 연구
• /
• 통권48호
• /
• pp.85-116
• /
• 2017

본 연구는 애니메이션 및 영화와 같은 영상저작물에서 묘사되는 로봇이 핵심인물과 교감하고 애착을 형성하는 조건을 분석하여 정서교감형 로봇의 캐릭터라이징 전략을 정리하고자했다. 인공지능과 로봇 분야는 기술의 발전에 따라 더 이상 공상과학의 영역이 아닌 현실의 문제로 여겨지고 있다. 이에 영상저작물에서 창조된 정서교감형 로봇의 표현적 특성이, 향후 널리 보급될 것으로 예상되는 인간친화적 서비스 로봇계열의 표현적 구현 즉, 캐릭터성 구축에 있어서 의미 있는 요인이 될 것이라는 가정을 내릴 수 있었으며, 그 기초를 세우기 위한 목적에서 본 연구가 시작되었다. 분석 대상은 현대적인 로봇의 개념을 천명한 1920년대 이후 제작된 영화와 애니메이션 중에서, 핵심인물과의 정서적 친밀성이 명확히 관찰되는 로봇 캐릭터로 한정했다. 그리고 로봇의 외형과 행동 경향성을 파악하기 위해, (1) 로봇의 외현적 인상을 5가지(인간적, 만화적, 도구적, 인공적, 애완동물적) 분류에 의해 유형화하고, (2) 성격의 외적 구현으로 여길 수 있는 행동 경향성은 DiSC 행동유형 진단도구를 활용하여 유형화했다. 한편, 정서적 친밀성이 높은 로봇은 감정 수용력과 임무로부터의 독립성이 강하다는 공통점을 관찰할 수 있었다. 따라서, 사교형과 안정형의 행동유형이 감정수용성이 높고, 사교형의 독립성이 높은 편이며, 신중형은 감정 수용성과 독립성이 전반적으로 낮은 것으로 파악되었다. 다만, 외현적 인상 분석을 통해 파악한 외형요인은 정서교감 능력에 대해 유의미한 관계성을 파악하기 어려웠다. 따라서 정서적 교감 능력이 강한 로봇의 조건은, 현실의 인간 관계형성 과정과 유사하게, 첫인상보다는 소통을 통한 정서적 교감이 주요한 영향을 미침을 알 수 있었다. 끝으로, 로봇의 캐릭터성을 연구하기 위해서는 실로 광범위한 분야에 대한 통섭적 역량이 필요하다고 여겨진다. 로봇 캐릭터를 디자인적 요인과 성격적 요인만으로 재단하기에는 인간과의 교감에 요구되는 방대한 정보를 온전하게 분석하기 어렵다는 한계 역시 통감할 수 있었다. 그러나 이를 위한 초석으로서, 간학문적 연구가 필요한 로봇의 개발에 애니메이션이 가지는 종합예술적 가치가 값지게 활용되기를 기대하며 연구를 마무리하고자 한다.

• 전자공학회논문지CI
• /
• 제47권3호
• /
• pp.51-58
• /
• 2010

컴퓨터를 통해 생성된 콘텐츠를 현실 공간에서 자연스럽게 경험할 수 있도록 하는 증강 현실 기술의 등장으로 사용자가 존재하는 실제 공간에서 사용자와 공존하며 사용자 및 실제 객체와 직접적으로 상호작용이 가능한 증강 현실 에이전트에 대한 연구가 진행되고 있다. 본 논문에서는 가상 및 실제 객체가 혼재하는 공간에서 증강 현실 에이전트로 하여금 주변에 존재하는 가상 및 실제 객체를 효율적으로 인지할 수 있도록 하는 지각 주의 모델을 제안한다. 이는 카메라의 시야에 존재하는 실제 및 가상 객체를 인식하고 이를 이용하여 증강 현실 에이전트에게 현재 보이는 실제 및 가상 객체 정보를 추출한다. 그리고 제안한 모델은 에이전트의 목표를 달성하기 위하여 인지된 객체들이 얼마나 유용한지를 추론하고 이들 중 유용한 객체들에게만 에이전트의 주위를 기울이도록 한다. 더 나아가 제안한 모델의 유용성을 확인하기 위하여 캠퍼스 미니어처 내의 빌딩 객체들 사이에 증강되어지며 목표에 관련이 있는 빌딩 객체들에게 관심을 기울이는 증강 캐릭터를 구현하였다. 실험 결과를 통해 제안한 지각 주의 모델은 주변에 존재 하는 가상 및 실제 객체가 동적으로 변하는 환경에서 증강 캐릭터의 지각 부하를 감소시키는 것을 확인할 수 있었다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권3호
• /
• pp.13-23
• /
• 2021

본 논문에서는 단일 강체 모델(single rigid body)의 무게 중심(center of mass) 좌표계와 발의 위치를 활용하여 캐릭터의 동작을 생성하는 프레임워크를 제안한다. 이 프레임워크를 사용하면 기존의 전신 동작(full body)에 대한 정보를 사용할 때 보다 입력 상태 벡터(input state)의 차원을 줄임으로써 강화 학습의 속도를 개선할 수 있다. 또한 기존의 방법보다 학습 속도를 약 2 시간(약 68% 감소) 감소시켰음에도 기존의 방법 대비 최대 7.5배(약 1500 N)의 외력을 더 견딜 수 있는 더욱 견고한(robust) 모션을 생성할 수 있다. 본 논문에서는 이를 위해 무게 중심의 다음 좌표계를 구하기 위해 중심 역학(centroidal dynamics)을 활용하였고, 이에 필요한 매개 변수(parameter)들과 다음 발의 위치와 접촉력 계산에 필요한 매개 변수들을 구하는 정책(policy)의 학습을 심층 강화 학습(deep reinforcement learning)을 사용하여 구현하였다.