[💬] IAUS를 이용한 강력한 AI 구현하기 - 개념정리

[일본뇌염모기2(mosquitoindie1)]

현재 내가 구상하고 있는 게임은 적 파티 vs 아군 파티의 전투가 메인이 된다.

아군 유닛들은 AI가 자동으로 조종하기 때문에 AI 성능이 유저가 전투를 즐겁게 할 수 있는가 없는가에 큰 영향을 미치게 된다.

파티전의 예

하지만 파티 vs 파티에서 AI가 제대로 성능을 발휘하기 위해서는 많은것들을 고려해야 한다. 예를들어,

"어느" 적군을 "어느" 스킬로 공격해야 하는가? 안전한 곳으로 대피해야 하는가? 대피한다면 "어디로" 대피하는가?

아군과의 시너지를 고려한다면 어떠한 선택을 해야 하는가? 등등 여러가지 상황을 고려해야 하고,

거기에 더해 파티 조합의 변경, 유닛 스킬 조합의 변경, 파티원간의 시너지 등등을 생각하면

단순히 BT, 또는 FSM으로 AI를 구현하는것은 불가능에 가깝다.

여기에서 쓸수 있는 AI 알고리즘으로 GOAT, HTN, IAUS를 검토, 그 중 IAUS를 사용하기로 결정했다.

이유로는 IAUS가 구현 난이도가 낮고 추가 변경 디버깅이 용이하기 때문이다.

다른 딥러닝 계열의 AI의 경우 일반 게임에서 쓰기에는 너무 무겁기에 후보에서 배제했다.

이번 글에서는 IAUS의 개념을 간단하게 정리하고, 다음편에서는 직접적인 구현을 하기로 한다.

----------------------------------------------------------------------------------

자세한 설명은 링크를 참조 33분에서부터 설명 시작.

IAUS (Infinite Axis Utility System)을 한줄로 표현하자면

AI가 다음 행동을 정할 때, 자신이 선택 가능한 모든 행동 (액션) 을 평가하여 가장 평가치가 높은 액션을 선택하는것.

(-> 유틸리티 베이스 AI와 같은 계열)

IAUS의 강점은 무엇인가

1. 구현이 쉽고 매우 가볍다.

2. 디버깅이 쉽다

3. 새로운 행동의 추가, 변경이 매우 간단하다

4. 행동을 평가하는 방법의 추가, 변경이 매우 쉽다.

IAUS의 구성요소는 아래와 같다.

1. 액션 (Action)

-> AI의 행동을 정의. 예를 들어서 A 타겟을 B 스킬로 공격한다.

-> 액션은 다수의 액시스로 구성된다.

-> 액션의 가중치가 존재한다.

-> 액션의 평가치가 존재한다.

2. 액시스 (Axis)

-> 액션을 행하기 전에 고려해야 하는 전제조건.

-> 예를 들어 타겟을 공격한다 했을 때, 타겟과의 거리 (하나의 액시스), 소모 마나 양 (다른 액시스) 등등.

-> 액시스의 평가치가 존재한다.

3. 평가함수 (Response Curve)

-> 액시스의 평가치를 계산하기 위한 수식.

-> 인풋과 아웃풋은 0~1로 노멀라이즈

-> Linear, Quadratic, Logistic, Logit의 4가지 함수를 입맛에 맞게 선택해 사용한다.

IAUS의 로직은 아래와 같다.

AI가 다음 행동을 정할 때,

1. 모든 선택 가능한 액션을 리스트업 한다.

2. 각각의 액션의 평가치를 계산한다.

a. 액션안의 각각의 엑시스의 평가치를 계산한다.

b. 모든 엑시스의 평가치를 곱한다.

c. 액션의 가중치를 곱한값이 액션의 평가치이다.

3. 가장 평가치가 높은 액션을 선택한다.

간략하게 그림으로 표현하자면 아래와 같다.

보는바와 같이 매우 간단히 액션과 엑시스를 늘리고 줄일 수 있으며,

모든 액션과 엑시스가 독립되어 있기 때문에 디버깅도 간단히 가능하다.

엑시스에서의 평가함수는 아래의 식을 사용한다. 

다음편에서는 실제로 IAUS를 구현해보고 테스트 해보기로 함.

[소닉쫄따구테일즈(dcz3xv7zgu14)]

오호 IAUS쓰는 사람이 있었구만