• The KIPS Transactions:PartB
• /
• v.10B no.1
• /
• pp.1-12
• /
• 2003

In this paper, we Introduce the Unreal Tournament (UT) game and the Gamebots system. The former it a well-known 3D first-person action game and the latter is an intelligent agent research testbed based on UT And then we explain the design and implementation of KGBot, which is an intelligent non-player character deploying effectively within the 3D virtual environment provided by UT and the Gamebots system. KGBot is a bot client within the Gamebots System. KGBot accomplishes its own task to find out and dominate several domination points pro-located on the complex surface map of 3D virtual environment KGBot adopts UM-PRS as its control engine, which is a general BDI agent architecture. KGBot contains a hierarchical knowledge base representing its complex behaviors in multiple layers. In this paper, we explain details of KGBot's Intelligent behaviors, tuck af locating the hidden domination points by exploring the unknown world effectively. constructing a path map by collecting the waypoints and paths distributed over the world, and finding an optimal path to certain destination based on this path graph. Finally we analyze the performance of KGBot exploring strategy and control engine through some experiments on different 3D maps.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.329-332
• /
• 2003

현재의 일반적인 다중에이전트 시스템 환경은 실시간이며 복잡한 환경을 제공한다. 또한 제한적인 통신 환경을 제공한다. 본 논문의 테스트 환경인 Unreal Tournament 의 환경은 일반적인 다중 에이전트 시스템 환경을 제공한다. UT 게임의 GameBots 시스템에서 실시간 다중 에이전트 협상 시스템의 구현을 위한 ACL (Agent Communication Language) 을 정의하였으며 그에 따른 다중 에이전트 협상 프로토콜을 정의하였다. 통신 환경은 단일 채널 환경이며 제한적인 통신을 제공한다. 에이전트들은 게임 시작과 동시에 인지 정보를 기반으로 맴을 작성하게 된다. UT 게임은 환경이 실시간으로 급변하기 때문에 최단의 협상 과정을 가져야 한다. 협상 시스템의 구성은 협상 과정에서 모든 것을 정하기엔 시간이 부족하기 때문에 빠른 협상 과정을 유도하기 위하여 협상과정의 일부분을 사전에 정의함으로써 협상과정을 단순화 시켰으며, 나머지는 실시간 협상과정을 통하여 동적으로 역할 분담을 하였다 협상 방법으로는 각 에이전트의 의견이 반영될 수 있는 투표 (voting) 방법을 사용하였다.

• Journal of the Korea Convergence Society
• /
• v.10 no.3
• /
• pp.67-72
• /
• 2019

The purpose of this study was to analyze the effects of computer game usage time on trunk muscle thickness and pressure pain threshold. The 33 study participants were divided into Group A, which spent less than 10 hours per week playing computer games; Group B, which spent between 10 and 20 hours per week playing computer games; and Group C, which spent more than 20 hours per a week playing computer games. The thickness of the participants' upper trapezius (UT), pectoralis minor (PM), anterior scalene (AS), and middle scalene (MS) muscles as well as the pressure pain threshold of their UT, PM, AS, MS, and levator scapular (LS) were measured. The study found that the PM, AS, and MS muscle thickness in group C was significantly greater than in the other groups (p<.05), and the UT, AS, PM, and LS pressure pain threshold in group C was significantly lower than in other groups (p<.05). Therefore, those who use computers for a long period of time during the week should recognize that their computer usage may cause musculoskeletal disorders.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.284-293
• /
• 2007

본 논문에서는 실시간 동정 환경에 효과적인 L-CAA 에이전트 구조를 제안한다. L-CAA 에이전트 구조는 변화하는 환경에 대한 적응성을 높이기 위해, 선행 연구를 통해 개발된 행위 기반 에이전트 구조인 CAA에 강화 학습 기능을 추가하여 확장한 것이다. 안정적인 성능을 위해 L-CAA에서 행위 선택 메커니즘은 크게 두 단계로 나뉜다. 첫 번째 단계에서는 사용자가 미리 정의한 각 행위의 수행 가능 조건과 효용성을 검사함으로써 행위 라이브러리로부터 실행할 행위들을 추출한다. 하지만 첫 번째 단계에서 다수의 행위가 추출되면, 두 번째 단계에서는 강화 학습의 도움을 받아 이들 중에서 실행할 하나의 행위를 선택한다. 즉, 강화 학습을 통해 갱신된 각 행위들의 Q 함수 값을 서로 비교함으로써, 가장 큰 기대 보상 값을 가진 행위를 선택하여 실행한다. 또한 L-CAA에서는 실행 중인 행위의 유지 가능 조건을 지속적으로 검사하여 환경의 동적 변화로 인해 일부 조건이 만족되지 않는 경우가 발생하면 현재 행위의 실행을 즉시 종료할 수 있다. 그 뿐 아니라, L-CAA는 행위 실행 중에도 효용성이 더 높은 다른 행위가 발생하면 현재의 행위를 일시 정지하였다가 복귀하는 기능도 제공한다. 본 논문에서는 L-CAA 구조의 효과를 분석하기 위해, 대표적인 동적 가상환경인 Unreal Tournament 게임에서 자율적을 동작하는 L-CAA기반의 UTBot 들을 구현하고, 이들을 이용하여 성능실험을 전개해본다.