[💬] 여러 AI 기법 후기

[ㅁㄴㅇㄹ(121.181)]

행동자 AI 만들면서 GOAP, HTN, 그리고 IAUS 이렇게 3개를 시도해봄. 그 간략한 후기를 함 올려보겠음.

1. GOAP

게임에 사용되는 계획 짜는 인공지능들의 시초라 할 수 있는 기법으로(그 이전에 STRIPS 같은 것도 있지만 그건 예외) 대략 15년 정도 되었지만 여전히 상당한 인기를 가지고 있다.

장점은 인공지능 로직을 모듈화하고 재사용하는게 쉽다는 점, 그리고 인공지능을 하나하나 다 짜넣을 필요 없이 목표와 행동목록을 부여하고나면 알아서 매우 지능적인 행동을 보이게 할 수 있다는 점. '목표'를 향해 할 수 있는 '행동'을 취하면서 '계획'에 따라 나아간다는 것은 매우 큰 강점임.

단점은 그 계획 짜는게 A* 같은 그래프 탐색 알고리즘을 통해 이루어진다는거임. 알다시피 이런 알고리즘은 마음 내키는대로 돌리기에는 연산자원이라는 측면에서 좀 부담이 가는 편임. 그래서 속도가 좀 느림. 게다가 GOAP은 아래 언급할 HTN과는 달리 계획을 역순으로 세우는데, 이게 무슨 말이냐면 '목표'에서 시작해서 '현재'까지 이어지는 길을 찾는거지 현재에서 시작해 목표로 가는 길을 찾는게 아님. 따라서 계획을 세울 때 시작부터 끝까지 모두 다 세울 수 밖에 없고, 앞부분 일부 조금만 계획을 짜고 그게 끝나면 그제서야 다음 계획을 짠다, 이런건 할 수 없음. 이게 왜 문제냐면 계획이 길어질수록 성능소모가 크고, 중간에 계획이 중단 되어서 다시 계획을 새로 짜야하는 확률이 늘어나기 때문임. 엄청 멋지고 대단한 계획을 길게 짰는데 중간에 뭐가 잘못 되어서 다시 처음부터 계획을 짜는 경우가 많다면 사실상 그 길게 짠 계획들은 다 낭비인 셈이지.

또한 GOAP은 구현하는 것도 그렇게 구현한 후 안에 이것저것 채워넣는 것도 그리 쉬운편이 아님. 일단 구현 난이도가 높고, 구현을 다 한 다음에도 특성상 각 행동마다 여러 비중값을 부여해야하는등 할 일이 많음. 그리고 그렇게 열심히 해도 전혀 생각치 못한, 의도치 않은 계획을 행동자가 짜서 실행하는 경우도 종종 있다고 들음.

2. HTN

GOAP의 단점을 구현 난이도 빼고 모두 해결해주는 기법. GOAP의 장점을 대부분 가지고 있고 단점을 대부분 처리함. HTN은 GOAP의 목표와 행동에서 목표를 없애고 오직 행동만을 남겼다고 볼 수 있음. 행동은 복합(Compound)과 원시(Primitive)라는 두 종류로 다시 나뉘는데, 복합은 다른 행동들로 이루어진 일종의 미리 짜넣은 행동계획 여럿과 각 행동계획이 요구하는 조건들로 이루어져 있음. 행동계획들은 순서대로 배열되어 있고, 그 행동계획들을 차례대로 확인할 때 가장 먼저 조건이 참인 행동계획이 채택 됨. 그 행동계획 안에 다시 복합 행동이 들어있다면(여기서 HTN의 첫 글자 Hierarchical이 나옴) 그 복합행동도 똑같은 과정을 거치고 반복함.

예를 들면 이런거임. '광부' 복합행동이 있다고 하자. 그 복합행동은 다음 행동계획들을 순서대로 가지고 있음.

1. 만약 주괴가 있다면(조건) 주괴를 망치질해 도구로 만든다(행동계획).

2. (1번이 실패해야 2번으로 넘어가니 주괴가 없다는걸 유추할 수 있는 상황에) 만약 광석이 있다면 광석을 제련해 주괴로 만든다.

3. (역시 똑같은 이유로 주괴와 광석 모두 없다는걸 유추할 수 있는 상황에) 만약 광석을 파는 상인을 안다면 돈 주고 광석을 사온다.

4. 만약 광석을 캐올 수 있는 곳을 안다면 가서 광석을 캐온다.

5. 아무것도 하지 않는다.

HTN 계획자는 우선 광부 복합행동을 확인해서 무슨 행동계획이 가장 먼저 참인지를 골라 풀어놓고, 그렇게 풀어놓은 계획 안에 다시 복합행동이 있다면 그걸 다시 풀어놓고, 결국 더 이상 풀어놓을 수 있는게 없을 때까지 그걸 계속 반복함.

HTN의 장점은 개발자가 미리 행동자의 행동계획을 부분적으로 짜넣을 수 있다는거임. 상황에 따라 무슨 행동계획을 어떻게 택할지는 다르겠지만, 일단 한 행동계획을 택하고나면 그 후 무슨 일이 일어날지는 어느정도 미리 예측이 가능한거지. 그래서 행동자가 이상한 계획을 짜서 이상한 짓이나 하는 것을 방지할 수 있음.

또한 A*을 사용해서 계획을 짜는게 아니기 때문에 메모리와 연산 두 부분에서 GOAP보다 가벼운 편임. 또한 현재에서부터 목표로 이어지는 길을 찾기에 무조건 계획을 시작부터 끝까지 다 짜놓아야하는 GOAP과는 달리 짧게 일부분만 계획하게 할 수도 있음.

단, 구현하기가 어려움.

4. IAUS

위에 언급한 GOAP이나 HTN 같이 계획 짜는 인공지능과는 기본적으로 계보가 다른 기법임. 위에 인공지능들은 세계상태를 확인해 기억에 저장하고 그 정보를 이용해서 계획을 짜는데, IAUS는 그냥 쿨하게 계획을 아예 무시함. 대신, 각 행동자가 취할 수 있는 행동들에 수학공식을 이용하여 가중치를 부여하고, 그 중 가중치가 높은 행동을 골라 당장 수행하게 함.

예를 들어보자. 행동자 A가 있음. A는 대장장이라서 광석을 캐거나, 광석을 제련해 주괴를 만들거나, 주괴를 두들겨 도구를 만들거나, 이 3개의 행동을 가지고 있음. A가 아무 행동도 하고 있지 않다면, A는 할 행동을 고르기 위해 자기가 할 수 있는 행동들에 하나하나 가중치를 부여함. 지금 창고에 광석이 없다면 제련 행동의 가중치가 0이 되고, 주괴가 창고에 많지만 도구는 별로 없다면 도구제작 행동의 가중치가 1이 되고, 이런 식으로 0과 1 사이 가중치가 모든 행동에 부여 됨. 그러고나면 그 중 가중치가 높은대로 행동을 골라 처리하게 하면 끝.

IAUS의 가장 큰 장점은 진짜 간단하다는거임. 이해하는 것도 쉽고 구현하는 것도 쉽고 유지하는 것도 쉽고 확장하는 것도 쉬움. 걍 세계상태에서 정보를 뽑아와 함수에 인풋으로 넣고 나온 값을 가중치로 달아놓으면 되거든. 일주일동안 GOAP하고 HTN 가지고 끙끙거린 반면 IAUS는 하루만에 구현 성공했을 정도임.

또한 가벼움. 복잡하게 계획을 짜고 그런거 없이 그냥 무슨 행동의 가중치가 높은지 달아놓고 뽑기만 하면 되니까.

그리고 생각보다 더 많이 강력함. 제대로 짠 GOAP이나 HTN 같이 지능적인 행동을 보일 수 있을지는 몰라도, 함수값들 잘 조정하면 어떤 상황에 어떤 행동을 취하게 되는지를 깊이 있게 조절할 수 있음.

마지막으로, 비 프로그래머가 개발하기 쉬움. 프로그래머가 관련 툴하고 기반 짜놓고나면 남은 것은 숫자 만지작거리며 조율하는건데, 이건 프로그래머 아닌 사람이라도 쉽게 할 수 있거든.

끗

[해당 댓글은 삭제되었습니다.]

해당 댓글은 삭제되었습니다.

[ㅁㄴㅇㄹ(121.181)]

ㅇㅇ 핵심은 아주 간단한 아키텍쳐임.

[산적대왕(raveneer)]

정보추. IAUS는 보니까 유틸리티 AI 말하는 거 같은데 맞음? 그거 보니까 그럴듯하게 움직이긴 하던데 디버깅 지옥일 것 같아서 엄두를 못내겠던데... 가중치 약간만 달라져도 AI가 맘대로 움직여버리니 적에게 쳐맞는 중에도 꿋꿋히 땅을 깐다거나 (아직 덜 아프다!) 하면 어떻게 디버깅 함 ㅠㅠ 스카이림처럼 AI가 지 맘대로 움직여도 유저에게 별 문제가 없는 겜이라면 상관없겠지만 AI를 '부려먹는' 겜에서는 좀 애매하지 않을까?

[ㅁㄴㅇㄹ(121.181)]

유틸리티 AI 맞음. 자세한건 관심 가면 이 영상 보는거 추천(
https://www.gdcvault.com/play/1018040/Architecture-Tricks-Managing-Behaviors-in).
34분부터 나옴

[ㅁㄴㅇㄹ(121.181)]

IAUS는 Axis라는걸 이용해서 가중치 계산을 하는데, 이 Axis가 어떤 그래프를 그리는가를 그래프 만드는 도구 같은걸로 시각화하면 디버깅이 쉬워지는 편임.

[산적대왕(raveneer)]

[ㅁㄴㅇㄹ(121.181)]

:)

[Duque(duque)]

웬만한 인디 게임은 FSM만 잘파면 되는데, RTS나 AI가 주되는 게임에서는 구현해보면 재밌을듯

[ㅁㄴㅇㄹ(121.181)]

어려우면서도 재밌지...

[만복(kjh285)]

[김메가(scw973108)]

[익명(112.169)]

유틸리티ai라는거 꽤 흥미로운데 우리나라에 번역된거나 책같은건 없음?

[ㅁㄴㅇㄹ(121.181)]

지금 둘러봤는데 딱히 보이는건 없네. 나는 걍 위에 올린 강연보고 오픈소스 프로젝트 좀 뒤적인 다음 만듬.