Journal Archive

본 연구에서는 Unity 엔진을 활용하여 대표적인 배틀로얄 게임 중 하나인 배틀그라운드(PUBG: BATTLEGROUNDS)를 모델로 한 TPS(Third-Person Shooter) 게임 시스템을 개발하였다[1]. 이 시스템은 표준 게이밍 PC 사양에서 원활히 운영될 수 있도록 설계되었으며, 구체적으로 AMD Ryzen7 3700X 8-코어 프로세서, DDR4 32GB RAM, NVIDIA GeForce RTX 2080 SUPER을 기반으로 최적화되었다. 고품질의 3D 컴퓨터 그래픽스는 27인치 모니터(해상도 2,560×1,440, 프레임 레이트 170Hz)에서 시각화되었다. 본 시스템은 플레이어와 게임 캐릭터 간의 상호작용을 위한 키보드 및 마우스 입력 메커니즘을 통합하였으며, 이는 그림 1에 상세히 도시되어 있다. 사용자는 마우스의 X, Y 축 움직임을 통해 캐릭터의 시점을 조정하고, 클릭을 통해 무기를 조작하며, 키보드 입력을 통해 캐릭터의 이동, 재장전, 달리기 등의 액션을 실행할 수 있다. 구체적으로는 WASD를 통해 앞, 왼쪽, 뒤, 오른쪽으로 이동 가능하며, Q와 E를 이용하여 캐릭터의 상체를 좌우로 기울일 수 있다. Shift 키를 누르면 걷기와 뛰기를 전환할 수 있고, Tab 키를 누르면 인벤토리를 열고 닫을 수 있다. 왼쪽 클릭을 통해 무기를 발사하며, 오른쪽 클릭을 통해 1인칭과 3인칭 시점을 전환할 수 있다. 본 게임에서는 3D 사운드 효과를 중요한 위치 추정 요소로 적용하여, 이어폰을 통해 선명하게 제공한다. 본 시스템의 주요 목적은 인공지능을 통한 플레이어 간 교전 유도의 효과를 평가하는 것이다.

Fig. 1. 
Character control process by using keyboard and mouse

인공지능 알고리즘은 플레이어 감지를 기반으로 하며, 인공지능의 상태 및 행동을 조절하는 데에는 시야범위(SightRange)와 공격범위(AttackRange)가 핵심적으로 활용된다. 그림 2의 A에서 시각적으로 확인 가능한 시스템 구성도를 통해 인공지능의 동작 방식을 보다 자세히 제시한다. 먼저, 인공지능의 시야범위는 50도의 시야각을 가지는 원호의 반경으로 계산한다. 시야 내에 있는 플레이어는 인공지능에 의해 감지되며, 이는 플레이어와의 상호작용을 시작하는 계기가 된다. 플레이어의 감지 여부는 알고리즘에서 사용되는 중요한 변수 중 하나로, 이는 인공지능의 행동을 유발한다. 또한, 인공지능의 공격범위는 플레이어에 대한 공격 가능한 최대 거리를 나타낸다. 플레이어가 이 거리에 들어오면 인공지능은 적절한 공격 행동을 취하게 되어 전투 상태로 전환된다. 이러한 상태 제어를 통해 인공지능은 플레이어와의 상호작용을 동적으로 조절하며, 게임 진행 중 다양한 전투 상황을 제공한다. 이로써 제안된 인공지능 알고리즘은 환경 내의 플레이어를 효과적으로 감지하고, 그에 따른 다양한 행동을 구분하여 게임의 전략적 요소를 강화한다. 그림 2의 A에서는 이러한 시스템 동작을 시각적으로 확인할 수 있다[10].

Fig. 2. 
Judgment system through AI’s condition zone A : Process of evaluating sight range and attack range. B : Process of assessment utilizing obstacles and line-of-sight lasers

인공지능의 눈에서 플레이어 감지를 위해 직선상 레이저를 활용한다. 이 기술적인 처리는 장애물에 가려져 있는 플레이어를 감지하고, 상황에 맞게 인공지능의 행동을 결정하는 핵심적인 요소로 작용한다. 인공지능은 시야범위 내에 플레이어가 들어온 경우, 직선상으로 레이저를 발사하여 플레이어의 위치를 확인한다. 이때, 레이저가 플레이어에 도달하지 않으면, 플레이어가 장애물에 가려져 있다고 간주하며, 플레이어에게 도달한 경우 시야에 플레이어가 인식되었다고 판단한다. 그림 2의 B에서는 이러한 장애물과 시야의 간섭 판단을 시각적으로 확인할 수 있다.

가장 교전을 소극적으로 수행한 플레이어에게 인공지능의 이동 확률을 높이는 수식을 아래에 제시한다.

α는 인공지능이 수동적인 플레이로 간주하는 교전 횟수의 임계값, 그리고 β는 수동적 플레이를 어느 정도로 억제할지를 결정하는 상수로 정의된다. 이 연구에서는 각 플레이어가 교전 횟수에 따라 가지고 있는 확률 데이터를 활용하여 인공지능의 이동 확률을 동적으로 조절한다. 플레이어의 교전 횟수는 다른 플레이어를 처치한 횟수로 계산한다. 생존한 플레이어들의 확률을 백분율로 정규화하여 생존한 플레이어의 인원수 감소가 발생하였을 때, 인공지능의 무작위 이동 위치를 갱신하는 방식을 채택한다. α와 β 값은 교전 횟수에 따른 인공지능의 행동을 민감하게 조절하는 열쇠 역할을 한다. α와 β 값의 적절한 조합을 선택함으로써 게임의 교전 횟수와 수동적인 플레이 간의 균형을 조절할 수 있다. 또한, 이 동적인 이동 확률은 게임의 중간 단계에서 특히 중요한 역할을 수행하여 플레이어에게 지루함을 느끼지 않고 더 흥미로운 상황을 제공한다. 이를 통해 게임의 전략적인 요소와 흥미로운 교전을 조화롭게 결합하여, 플레이어들에게 새로운 도전을 제공하고자 한다.

본 연구에서는 Unity의 PhotonNetwork를 활용하여 최대 20명의 플레이어가 동시에 참여할 수 있는 멀티플레이 환경을 구축하였다. 이를 통해 실시간으로 다수의 플레이어 간 상호작용이 가능하도록 하였다.

PhotonNetwork는 Unity 게임 엔진에서 네트워크 멀티플레이 기능을 구현하기 위한 플러그인 중 하나이다. 이를 통해 다중 플레이어 게임 개발을 용이하게 할 수 있으며, 특히 클라우드를 통한 호스팅 서비스를 제공하여 서버 구축에 대한 복잡성을 줄여준다.

멀티플레이 환경에서는 플레이어 및 인공지능의 상태가 실시간으로 동기화되어야 한다. 이를 위해 Remote Procedure Call (RPC) 기술을 활용하여 플레이어와 인공지능의 행동 및 위치, 상태 변화를 모든 클라이언트에게 전파한다. 특히, HP(체력)의 변동이 발생할 때마다 해당 정보를 RPC를 통해 네트워크로 전송하여 모든 플레이어가 동일한 게임 상태를 유지할 수 있도록 하였다.

그림 3은 배틀로얄 게임에서의 인공지능의 시야기반 행동 규칙을 기반으로 한 플레이어 추격 결과를 나타내고 있다. 이 연구에서는 인공지능이 플레이어를 지속적으로 시야 내에서 감지하고, 추격 조건을 충족하면 플레이어를 추격하는 과정을 상세하게 시뮬레이션했다. 인공지능은 정의된 공격 사거리 내에 플레이어가 위치하는 즉시, 플레이어에게 공격을 가하고 체력을 감소시킨다. 또한, 이 공격 과정에서 인공지능은 Unity 내에서 정의된 공격 애니메이션을 수행한다. 이러한 상호작용은 게임 플레이에 중요한 역할을 한다. 배틀로얄 게임에서 플레이어와 인공지능 간의 이 상호작용은 전략적인 의사결정에 영향을 미치며, 게임의 동적인 흐름을 결정하는데 중요한 역할을 한다. 인공지능의 높은 반응성과 추격 능력은 플레이어가 게임 내에서 안전한 위치를 찾는 것을 어렵게 만들어, 게임의 난이도와 긴장감을 높이는 효과를 얻을 수 있다.

Fig. 3. 
Battle encouragement scene through AI in unity-implemented TPS battle royale

그림 4에서는 인공지능이 소극적인 교전 유도자를 추격하는 결과를 제시한다. 이러한 상황에서 다른 플레이어는 인공지능의 추격으로 인해 안전한 위치를 찾기가 어려워진다. 이에 대응하여 소극적 교전을 선택하는 플레이어는 두 가지 주요 전략적 선택을 고려할 수 있다. 첫 번째 선택으로, 인공지능을 처리하기 위한 총기 격발은 상당한 크기의 3D Sound를 발생시킨다. 이로 인해 다른 플레이어는 소극적인 플레이어가 총기를 발사한 위치를 추정할 수 있다. 이 선택은 안전한 위치에서 인공지능과의 교전을 선택한 플레이어에 대한 위험을 증가시킬 수 있다. 두 번째 선택으로, 인공지능을 회피하기 위한 행동은 안전한 위치를 찾는 것을 어렵게 만든다. 이동 도중 발생하는 발소리는 근접한 다른 플레이어에게도 3D Sound를 발생시킨다. 이로써 교전을 회피하는 플레이어의 위치에 대한 추정이 가능해진다. 이 선택은 안전한 위치를 찾는 과정에서 발생하는 소음으로 인해 플레이어의 은밀성을 감소시키며, 다른 플레이어에 대한 노출을 증가시킬 수 있다.

Fig. 4. 
AI scene pursuing passive combatant

표 1에서는 이러한 임계값 조절을 통한 확률을 조정할 수 있는 데이터를 시각화한다. 교전 횟수가 증가할수록, α와 β의 값 변화에 따른 이동확률이 어떻게 변하는지를 한눈에 확인할 수 있다. 교전 횟수의 증가에 따른 인공지능의 이동 확률의 변화 추이를 통해 인공지능의 이동 확률 간의 간극을 조정할 수 있음을 시사한다. α와 β의 값 조정을 통해 특정 교전 횟수 이상에서 인공지능의 이동 확률을 크게 감소시키는 계산 결과를 확인할 수 있다. 유저의 피드백과, 게임상의 데이터를 통해 인공지능이 교전에 미치는 영향력을 조정할 수 있다.

인공지능으로 인하여, 플레이어는 상황에 따라 적절한 선택을 해야하며, 이는 게임 플레이의 전략적 요소를 풍부하게 만든다. 인공지능의 추격에 대한 플레이어의 선택은 게임의 전체적인 긴장감과 전략성을 높여주며, 다양한 전투 상황에서의 전략적인 의사결정을 요구한다.

본 연구에서는 기존의 배틀로얄 게임에서 중간 단계에서의 플레이어 경험을 향상시키기 위한 확률기반 인공지능 시스템을 제안하였다. 이 시스템은 플레이어와의 상호작용을 동적으로 조절하며, 중간 단계에서의 게임의 동적성을 높이고자 한다. 제안된 시스템의 효과를 검증하기 위해 실제 게임에 적용하고 플레이어들의 피드백과 게임 데이터를 분석하는 것이 중요하다. 특히, 시스템이 플레이어들에게 새로운 도전을 제공하고 지루함을 감소시킬 수 있는지에 대한 실증적인 결과가 필요하다. 또한, 플레이어 참여도와 만족도를 측정하여 제안된 시스템이 중간 단계에서의 게임 경험을 어떻게 변화시키는지를 확인해야 한다. 이를 통해 제안된 시스템이 플레이어들에게 더 나은 게임 경험을 제공할 수 있는지를 평가할 수 있다[11].

이 연구에는 몇 가지 한계점이 존재한다. 예를 들어, 특정 게임 환경에서의 효과를 보기 위해서는 여러 가지 다양한 게임에 대한 실험이 필요하다. 게임 환경의 동적인 변화가 플레이어에게 새로운 도전을 제공하면서도, 플레이어가 이러한 변화에 어려움을 겪을 우려가 있다. 특히, 인공지능에 의한 교전 유도가 플레이어의 적응력을 넘어서 불편함을 초래하지 않을지에 대한 우려가 있다[12]. 이로 인하여, 플레이어들의 다양한 선호도와 스타일을 고려하여 시스템을 보다 유연하게 조절할 수 있는 방안에 대한 고려가 필요하다.

향후 연구에서는 제안된 시스템을 보다 발전시키고, 다양한 게임 환경에서의 적용 가능성을 탐구하는 것이 중요하다. 또한, 플레이어들의 피드백을 반영하여 시스템을 지속적으로 개선하는 방향으로 연구를 확장해 나가야 할 것이다[13].