• Journal of the Korea Computer Graphics Society
• /
• v.27 no.5
• /
• pp.33-43
• /
• 2021

In this paper, we propose a framework that transfers the information of style motions to content motions based on a variational autoencoder network combined with a style encoding in the latent space. Because we transfer a style to a content motion that is sampled from a variational autoencoder, we can increase the diversity of existing motion data. In addition, we can improve the unnatural motions caused by decoding a new latent variable from style transfer. That improvement was achieved by additionally using the velocity information of motions when generating next frames.

• Journal of Internet Computing and Services
• /
• v.11 no.3
• /
• pp.25-32
• /
• 2010

It takes quite amount of time to study a game because there are many game characters and different stages are exist for games. This paper used reinforcement learning algorithm for characters to learn, and so they can move intelligently. On learning early, the learning speed becomes slow. Improved sequential prediction method was used to improve the speed of learning. To compare a normal learning to an improved one, a game was created. As a result, improved character‘s ability was improved 30% on learning speed.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.05a
• /
• pp.222-231
• /
• 2005

본 논문에서는 자율 에이전트에 의해 미지의 공간을 탐사하는 실시간 그래프 탐색 알고리즘 $DFS-RTA^{\ast}$와 $DFS-PHA^{\ast}$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 $RTA^{\ast}$와 $PHA^{\ast}$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.

• Journal of Intelligence and Information Systems
• /
• v.11 no.1
• /
• pp.153-167
• /
• 2005

In this paper, we consider the problem of exploring unknown environments with a mobile robot or an autonomous character agent. Traditionally, research efforts to address the space exploration problem havefocused on the graph-based space representations and the graph search algorithms. Recently EXPLORE, one of the most efficient search algorithms, has been discovered. It traverses at most min$min(mn, d^2+m)$ edges where d is the deficiency of a edges and n is the number of edges and n is the number of vertices. In this paper, we propose DFS-RTA* and DFS-PHA*, two real-time graph search algorithms for directing an autonomous agent to explore in an unknown space. These algorithms are all built upon the simple depth-first search (DFS) like EXPLORE. However, they adopt different real-time shortest path-finding methods for fast backtracking to the latest node, RTA* and PHA*, respectively. Through some experiments using Unreal Tournament, a 3D online game environment, and KGBot, an intelligent character agent, we analyze completeness and efficiency of two algorithms.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.14 no.4
• /
• pp.239-246
• /
• 2021

In the field of computer graphics and HCI, there are many studies on systems that create characters and interact naturally. Such studies have focused on the user's response to the user's behavior, and the study of the character's behavior to elicit positive emotions from the user remains a difficult problem. In this paper, we develop a prototype of an interaction system to elicit positive emotions from users according to the movement of virtual characters using artificial intelligence technology. The proposed system is divided into face recognition and motion generation of a virtual character. A depth camera is used for face recognition, and the recognized data is transferred to motion generation. We use imitation learning as a learning model. In motion generation, random actions are performed according to the first user's facial expression data, and actions that the user can elicit positive emotions are learned through continuous imitation learning.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.379-384
• /
• 2002

개발적인 측면에서 온라인 게임 환경에서의 NPC(Non Playable Character)들은 환경인식능력, 이동능력, 특수 능력 및 아이템의 소유 배분 등을 원활히 하기 위한 능력들을 소유해야 하며, 게임 환경을 인식, 저장하기 위한 데이터구조와 자신만의 독특한 임무(mission)를 달성하기 위한 계획을 갖고 행위를 해야 한다. 이런 의미에서 NPC는 자신만의 고유한 규칙과 행동 패턴, 그리고 목표(Goal)와 이를 실행하기 위한 계획(plan)을 소유하는 에이전트로 인식되어야 할 것이다. 그러나, 기존 게임의 NPC 제어 구조나 구현 방법은 이러한 요구조건에 부합되지 못한 부분이 많았다. C/C++ 같은 컴퓨터 언어들을 이용한 구현은 NPC의 유연성이나, 행위에 많은 문제점이 있었다. 이들 언어의 switch 문법은 NPC의 몇몇 특정 상태를 묘사하고, 그에 대한 행위를 지정하는 방법으로 사용되었으나, 게임 환경이 복잡해지면서, 더욱더 방대한 코드를 만들어야 했고, 해석하는데 많은 어려움을 주었으며, 동일한 NPC에 다른 행동패턴을 적용시키기도 어려웠다. 또한, 대부분의 제어권을 게임 서버 폭에서 도맡아 함으로써, 서버측에 많은 과부하 요인이 되기도 하였다. 이러한 어려움을 제거하기 위해서 게임 스크립트를 사용하기도 하였지만, 그 또한 단순 반복적인 패턴에 사용되거나, 캐릭터의 속성적인 측면만을 기술 할 수 있을 뿐이었다 이러한 어려움을 해소하기 위해서는 NPC들의 작업에 필요한 지식의 계층적 분화를 해야 하고, 현재 상황과 목표 변화에 적합한 반응을 표현할 수 있는 스크립트의 개발이 필수 적이라 할 수 있다 또한 스크립트의 실행도 게임 서버 측이 아닌 클라이언트 측에서 수행됨으로써, 서버에 걸리는 많은 부하를 줄일 수 있어야 할 것이다. 본 논문에서는, 대표적인 반응형 에이전트 시스템인 UMPRS/JAM을 이용하여, 에이전트 기반의 게임 캐릭터 구현 방법론에 대해 알아본다.퓨터 부품조립을 사용해서 Template-based reasoning 예를 보인다 본 방법론은 검색노력을 줄이고, 검색에 있어 Feasibility와 Admissibility를 보장한다.매김할 수 있는 중요한 계기가 될 것이다.재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀 분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적중률을 나타내었다.ting LMS according to increasing the step-size parameter $\mu$ in the experimentally computed. learning curve. Also we find that convergence speed of proposed algorithm is increased by (B+1) time proportional to B which B is the number of recycled data buffer without complexity of computation. Adaptive transversal filter with proposed data recycling buffer algorithm could efficiently reject ISI of channel and increase speed of convergence in avoidance burden of computational complexity in reality when it was experimented having

• 한국게임학회지
• /
• v.6 no.1
• /
• pp.61-63
• /
• 2009

가상환경에서 다양한 객체 요소들이 휴먼 캐릭터와 서로 상호작용을 한다. 이것은 휴먼 모션 애니메이션에 영향을 준다. 기본모션데이터는 동적, 고정된 객체의 접촉 상태, 지면과의 관계에 따라 영향을 받는다. 모션이 적절히 수정되지 않으면 불규칙, 비합리적인 표현이 생성될수 있다. 본 논문은 모션 데이터 커브를 추적하고 적절히 장애물 객체의 속성을 포함하는 관절데이터를 추적한다. 상호작용의 결과에 적절히 응답하여 데이터를 수정한다. 본 논문은 애니메이션 시나리오상에서 상호작용하는 객체를 위한 동적 제어 메커니즘을 설계하는 기법을 제시한다. 특정한 규칙을 이용하여 의사 결정할 수 있는 지능형 에이젼트에 기반한 구조로 에이젼트 시스템을 제안한다.

• Journal of Platform Technology
• /
• v.11 no.1
• /
• pp.38-51
• /
• 2023

We propose an intelligent interface algorithm using hand gesture recognition information based on artificial intelligence. This method is functionally an interface that recognizes various motions quickly and intelligently by using MediaPipe and artificial intelligence techniques such as KNN, LSTM, and CNN to track and recognize user hand gestures. To evaluate the performance of the proposed algorithm, it is applied to a self-made 2D top-view racing game and robot control. As a result of applying the algorithm, it was possible to control various movements of the virtual object in the game in detail and robustly. And the result of applying the algorithm to the robot control in the real world, it was possible to control movement, stop, left turn, and right turn. In addition, by controlling the main character of the game and the robot in the real world at the same time, the optimized motion was implemented as an intelligent interface for controlling the coexistence space of virtual and real world. The proposed algorithm enables sophisticated control according to natural and intuitive characteristics using the body and fine movement recognition of fingers, and has the advantage of being skilled in a short period of time, so it can be used as basic data for developing intelligent user interfaces.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.305-308
• /
• 2003

요즘 사람들이 많이 즐기는 전략 게임은 전략 시뮬레이션이라는 말이 무색할 정도로 장르가 가지는 특성 을 이행하지 못하고 있다. 그래서 게이머들은 별다른 전략 없이 쉽게 컴퓨터를 상대로 쉽게 게임을 승리 할 수 있게 됐다. 이것은 게임의 재미를 크게 반감시키는 한 요인이 된다. 전략 게임의 컴퓨터 플레이어에게 상황 판단과 학습 능력을 갖게 하면, 게이머가 보다 재미있게 컴퓨터와 대전을 할 수 있다. 본 논문에서는 인공지능을 가지는 컴퓨터 플레이어에 사용될 Default 추론 엔진과 컴퓨터 플레이어의 작전과 행동을 결정하기 위한 action & strategy generator 시스템을 연구한다. Default 추론 엔진은 귀납적 학습방법을 통 해서 컴퓨터 플레이어가 추론 및 학습을 할 수 있는 정보를 생성하게 된다. 이렇게 생성된 정보를 바탕으로 컴퓨터 캐릭터의 행동과 전략을 결정한다. 이에 본 논문에서는 전략 게임에 인공 지능으로 machine leaning 기법 중의 하나인 decision Tree 틀 사용하였다. decision Tree를 적용하여 기존 컴퓨터 플레이어의 행위와 어떻게 다른지 차별성을 밝혀내고, 컴퓨터 플레이어가 향상된 전략을 구사할 수 있게 하는 것이 주된 목표다.