KR20070043126A - 게임용 인공지능 엔진시스템 - Google Patents

게임용 인공지능 엔진시스템 Download PDF

Info

Publication number
KR20070043126A
KR20070043126A KR1020050099025A KR20050099025A KR20070043126A KR 20070043126 A KR20070043126 A KR 20070043126A KR 1020050099025 A KR1020050099025 A KR 1020050099025A KR 20050099025 A KR20050099025 A KR 20050099025A KR 20070043126 A KR20070043126 A KR 20070043126A
Authority
KR
South Korea
Prior art keywords
server
unit
main engine
learning
input
Prior art date
Application number
KR1020050099025A
Other languages
English (en)
Inventor
박선준
장세영
Original Assignee
(주)아라게이트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)아라게이트 filed Critical (주)아라게이트
Priority to KR1020050099025A priority Critical patent/KR20070043126A/ko
Publication of KR20070043126A publication Critical patent/KR20070043126A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/56—Computing the motion of game characters with respect to other game characters, game objects or elements of the game scene, e.g. for simulating the behaviour of a group of virtual soldiers or for path finding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 게임용 인공지능 엔진시스템에 관한 것으로, 이러한 시스템은, 경로찾기부, 의사결정부, 인공생명부로 구성되고 입출력을 통하여 입력된 데이터를 수집, 분석하여 각각의 모듈부로 연산이 가능한 메인엔진 서버와, 상기 메인엔진 서버에 연결되고, 신경망회로부, 유전자 알고리즘부로 구성되어 입력된 데이터를 분석 및 학습하여 패턴을 생성하고 이를 상기 메인엔진 서버로 전송하는 학습모듈 서버와, 상기 메인엔진 서버에 연결되고, 맵(map)분석부와, 데이터베이스부로 구성되어 인공지능적 대상물을 각 요소로 분해하고 저장하는 분석모듈 서버, 및 상기 메인엔진 서버와 상기 분석모듈 서버에 연결되고 주변장치를 이용하여 학습 데이터의 입출력을 담당하는 입출력모듈 서버를 포함하는 것을 특징으로 한다. 본 발명의 상기와 같은 구성에 따라, 컴퓨터를 이용한 게임상에서 사용자가 특정의 인공 대상물에 신경망 이론과 인공생명을 기반으로 한 인공지능 엔진을 이용하여 새로운 정보를 입력함으로써 특정의 대상물은 반복 학습효과에 의해 주변환경을 인지할 수 있어 현실감이 증대될 뿐 아니라 사용자의 흥미 유발을 발생시킬 수 있는 효과가 발생된다.
컴퓨터, 인공지능, 게임, 학습, 신경망 이론, 인공생명

Description

게임용 인공지능 엔진시스템{artificial intelligence engine system for computer game}
도 1 은 본 발명의 일실시예에 따른 게임용 인공지능 엔진 시스템의 개략적인 구성도.
*도면의 주요부분에 대한 부호의 설명*
10 : 메인엔진 서버, 12 : 경로 찾기부,
14 : 의사 결정부, 16 : 인공 생명부,
18 : 분석모듈 서버, 24 : 입출력모듈 서버,
26 : 보조 툴 서버, 28 : 유전자 알고리즘부,
30 : 신경망 회로부, 32 : 학습모듈 서버
본 발명은 인공지능(artificial intelligence, AI) 시스템에 관한 것으로, 더욱 상세하게는 컴퓨터를 이용한 게임상에서 사용자가 특정의 인공 대상물에 신경망 이론과 인공생명을 기반으로 한 인공지능 엔진을 이용하여 새로운 정보를 입력함으로써 대상물은 반복 학습효과에 의해 주변환경을 인지할 수 있어 현실감이 증 대될 뿐 아니라 사용자의 흥미 유발을 발생시킬 수 있는 게임용 인공지능 시스템에 관한 것이다.
일반적으로 컴퓨터 게임에 있어서 사용자의 대상물은 주어진 환경에 한정되어 있는데 이는 기설정된 프로그램 범위 내에서 이에 대응하는 대상물의 모습만을 디스플레이되게 된다.
다시 말해 게임에 있어서 게임에서의 npc(non player character) 혹은 mob(monsters of beasts)의 동작을 제어하거나 상대역을 대신할 수 있도록 하는 기능을 가진 대상물의 출연은 한정되어 있었다.
즉 사용자가 게임을 할 때 대상물들이 아둔하게 보이거나, 목표물에 정확한 조준을 못하거나, 부자연스럽게 움직이거나, 상황에 대한 인지도가 부족하여 현실감이 감소될뿐 아니라 흥미가 감소되는 문제점을 내포하고 있었다.
따라서, 본 발명은 상술한 바와 같은 문제점들을 해결하기 위하여 창안한 것으로서, 본 발명의 목적은 컴퓨터를 이용한 게임상에서 사용자가 특정의 인공 대상물에 신경망 이론과 인공생명을 기반으로 한 인공지능 엔진을 이용하여 새로운 정보를 입력함으로써 특정의 대상물은 반복 학습효과에 의해 주변환경을 인지할 수 있어 현실감이 증대될 뿐 아니라 사용자의 흥미 유발을 발생시킬 수 있는 게임용 인공 대상물 지능 제어방법을 제공하는데 있다.
이러한 목적은 본 발명에 의하여 달성되며, 본 발명의 일면에 따라, 게임용 인공지능 엔진시스템은, 경로찾기부, 의사결정부, 인공생명부로 구성되고 입출력을 통하여 입력된 데이터를 수집, 분석하여 각각의 모듈부로 연산이 가능한 메인엔진 서버와, 상기 메인엔진 서버에 연결되고, 신경망회로부, 유전자 알고리즘부로 구성되어 입력된 데이터를 분석 및 학습하여 패턴을 생성하고 이를 상기 메인엔진 서버로 전송하는 학습모듈 서버와, 상기 메인엔진 서버에 연결되고, 맵(map)분석부와, 데이터베이스부로 구성되어 인공지능적 대상물을 각 요소로 분해하고 저장하는 분석모듈 서버, 및 상기 메인엔진 서버와 상기 분석모듈 서버에 연결되고 주변장치를 이용하여 학습 데이터의 입출력을 담당하는 입출력모듈 서버를 포함하는 것을 특징으로 한다.
이때 상기 입출력모듈 서버에는 상기 인공지능 학습의 보조역할을 담당하는 보조 툴 서버가 연결되는데 이러한 보조 툴 서버에는 데이터 마이닝 툴(data mining tool)과 훈련 툴(train tool)이 포함되는 것이 바람직하다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 일실시예를 상술한다.
도 1 은 본 발명의 일실시예에 따른 게임용 인공지능 엔진 시스템의 개략적인 구성도이다.
도면에 도시된 바와 같은, 본 발명에 따른 게임용 인공지능 엔진시스템은 메인엔진 서버(10), 분석모듈 서버(18), 입출력모듈 서버(24), 학습모듈 서버(32) 등으로 구성된다.
상기 메인엔진 서버(10)는 경로찾기(path finding)부(12), 의사결정(decision tree)부(14), 인공생명(artificial life)부(16)로 구성되고 입출력을 통 하여 입력된 데이터를 수집, 분석하여 각각의 모듈부로 연산이 가능하게 구성된다.
상기 경로 찾기부(12)에서는 맵(map)상의 환경 변화를 토대로 움직이는 ㅇ에에이전트가 지능적인 행동을 유발해야 하므로 후술할 신경망 및 유전자 알고리즘과의 상호 보완을 통해서 문제의 해결을 유기적으로 해결할 수 있게 된다.
그리고 의사 결정부(14)에서는 의사 결정 문제를 나무에 비교하여 나무의 가지를 가지고 목표와 상황과의 상호관련성을 나타내어 최종적인 의사결정을 하는 방법을 이용하게 된다.
만약 몇 개의 의사결정이 연속되는 경우, 첫 단계의 의사결정에의 하여 실제상황에 대한 정보를 입수한 후, 이 정보를 감안하여 다음 단계의 의사결정을 하는 학습모듈의 신경망 회로부(30) 및 유전자 알고리즘부(28)의 학습을 통해 의사결정를 하게 된다.
상기 인공생명부(16)에 대한 라이브러리 구축은 뇌를 디자인하는데 요구되는 메커니즘과 논리적으로 유사한 방법을 찾기 위해 지속적으로 다양한 생물의 행동 패턴분석이 시도되어야 한다.
즉 모두 독립적으로 작용하는 개체들이 모여서 이러한 개체들이 모인 집합이 단순한 규칙에 의해 움직이는 개체와는 달리 거의 예측 불가능한 양상을 보이고 있는데 이러한 구조를 복잡계라고 하며 상호작용들 때문에 전체 시스템이 '자체 조직화'를 겪는 전체로서 기능하게 된다.
따라서 다양한 경험으로부터 배우기 위해서 끊임없이 신경 고리들을 조직화하고 또 재 조직화하는 일련의 과정을 통해 인공지능 대상물들은 신경망 회로 및 유전자 알고리즘을 통한 지속적인 학습 패턴분석을 통해서 체계화된 지능을 같게 설계된다.
상기 학습모듈 서버(32)는 상기 메인엔진 서버(10)에 연결되고, 신경망회로(neural network)부(30), 유전자 알고리즘(genetic algorithm)부(28)로 구성되어 입력된 데이터를 분석 및 학습하여 패턴을 생성하고 이를 상기 메인엔진 서버로 전송하는 기능을 수행하게 된다.
상기 신경망 회로부(30)에서는 뉴론(neuron)을 바탕으로 입력된 데이터를 분석및 학습하여 패턴을 만들게 되고 이를 메인 엔진 서버(10)으로 보내어서 각각의 입력에 따른 반응을 하게 된다.
신경망 혹은 병렬분산 처리시스템 이라고도 불리는 연결 주의적 학습 시스템들은 최근 많은 관심을 끌어왔는데 연결 주의적 학습 시스템은 은닉 신경 유닛을 도입하여 중간 처리 과정을 표현하고 비선형적 함수를 계산함으로써 퍼셉트론과 초기 선형 신경망의 이론적 한계를 극복하였다.
상기 유전자 알고리즘은 적자생존과 유전의 메카니즘을 바탕으로 하는 탐색 알고리즘으로, 진화(evolution)가 거듭 될 수 록 주어진 환경에 더 적합한 유전자 들 만이 남아있게 된다.
상기 분석모듈 서버(18)는 상기 메인엔진 서버(10)에 연결되고, 맵(map)분석부(20)와, 데이터베이스부(22)로 구성되어 인공지능적 대상물을 각 요소로 분해하고 저장하는 기능을 수행하는데 인공지능 보트나 시스템 전체를 구성하고 있는 인공지능적 대상물을 각 요소로 분해하여, 이러한 요소 사이의 기능적 관계를 일관성 있고 체계적인 절차에 따라 조사 또는 분석하기 위해서 기존의 게임 맵 편집기를 기본으로 인공지능 제어 라이브러리를 장작 시켜서 간단한 분석 모듈을 ㅇ이잉이용하여 인공지능 연산의 해를 시각적으로 분석할 수 있게 된다.
그리고 맵을 각각의 셀(cell)로 구분하여 맵 자체에도 AI적인 요소가 가능하여 응용력을 향상되고 AI적인 연산 결과를 디버그 윈도우를 통해서 실시간으로 적으로 확인할 수 있다.
상기 메인엔진 서버(10)와 상기 분석모듈 서버(18)에 연결되고 주변장치를 이용하여 학습 데이터의 입출력을 담당하는 입출력모듈 서버(24)는 영상 획득 장치 등 주변 장치를 이용하여 학습 데이터를 입력 및 AI 에이전트를 제어하게 된다.
게다가 상기 입출력모듈 서버(24)에는 상기 인공지능 학습의 보조역할을 담당하는 보조 툴 서버(26)가 연결되는데 이러한 툴(tool)에는 데이타 마이닝 툴(data mining tool)과 훈련 툴(train tool) 등이 있다.
상기 데이타 마이닝 툴은 데이터에서 패턴(patterns),연관(associations), 변화(changes), 예외(anomalies), 규칙(rules), 통계적으로 중요한 구조와 사건(event) 들을 찾아내는 반자동시스템(semi-automatic system)이다.
그리고 훈련 툴은 데이터로부터 중요한 특징이나 속성을 추출하여 입력 데이터를 식별할 수 있는 부류로 분류(Classification)로 정의할 때 사용한다.
예컨대 일기 예보를 패턴 인식 문제로 다룰 수 있는데, 인식 시스템은 입력으로 받아들인 천기도에서 중요한 특징을 추출하여 천기도를 해석한 다음, 추출된 특징을 바탕으로 일기 예보를 하게 되며, 또한 문자인식(character recognition) 시스템은 광학 신호를 입력 데이터로 받아들여 그 문자의 이름을 식별하는 패턴 인식 시스템이다.
그리고 본 발명은 상술한 게임뿐만 아니라 산업 및 응용프로그램에 적용시킬 수 있다.
예컨대 산업용 로봇이 물체를 인지한 후 이를 판단하여 정해진 행동을 취할 경우 적용될 뿐만 아니라 같은 방법으로 지하철의 자동제어 운전, 다수의 엘리베이터의 통합제어, 정수장 제어, 자동차 속도 제어, 가전제품의 인공지능적인 동작에 적용될 수 있다는 것을 당업자는 용이하게 알 수 있을 것이다.
본 발명의 상기와 같은 구성에 따라, 컴퓨터를 이용한 게임상에서 사용자가 특정의 인공 대상물에 신경망 이론과 인공생명을 기반으로 한 인공지능 엔진을 이용하여 새로운 정보를 입력함으로써 특정의 대상물은 반복 학습효과에 의해 주변환경을 인지할 수 있어 현실감이 증대될 뿐 아니라 사용자의 흥미 유발을 발생시킬 수 있는 효과가 발생된다.
본 발명은 기재된 실시예에 한정되는 것은 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형할 수 있음은 이 기술의 분야에서 통상의 지식을 가진 자에게 자명하다. 따라서 그러한 변형예 또는 수정예들은 본 발명의 특허청구범위에 속한다 해야 할 것이다.

Claims (3)

  1. 게임용 인공지능 엔진시스템에 있어서,
    경로찾기부, 의사결정부, 인공생명부로 구성되고 입출력을 통하여 입력된 데이터를 수집, 분석하여 각각의 모듈부로 연산이 가능한 메인엔진 서버;
    상기 메인엔진 서버에 연결되고, 신경망회로부, 유전자 알고리즘부로 구성되어 입력된 데이터를 분석 및 학습하여 패턴을 생성하고 이를 상기 메인엔진 서버로 전송하는 학습모듈 서버;
    상기 메인엔진 서버에 연결되고, 맵(map)분석부와, 데이터베이스부로 구성되어 인공지능적 대상물을 각 요소로 분해하고 저장하는 분석모듈 서버; 및
    상기 메인엔진 서버와 상기 분석모듈 서버에 연결되고 주변장치를 이용하여 학습 데이터의 입출력을 담당하는 입출력모듈 서버를 포함하는 것을 특징으로 하는 게임용 인공지능 엔진시스템.
  2. 제 1 항에 있어서, 상기 입출력모듈 서버에는 상기 인공지능 학습의 보조역할을 담당하는 보조 툴 서버가 연결되는 것을 특징으로 하는 게임용 인공지능 엔진시스템.
  3. 제 2 항에 있어서, 상기 보조 툴 서버에는 데이터 마이닝 툴(data mining tool)과 훈련 툴(train tool)이 포함되는 것을 특징으로 하는 게임용 인공지능 엔 진시스템.
KR1020050099025A 2005-10-20 2005-10-20 게임용 인공지능 엔진시스템 KR20070043126A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020050099025A KR20070043126A (ko) 2005-10-20 2005-10-20 게임용 인공지능 엔진시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050099025A KR20070043126A (ko) 2005-10-20 2005-10-20 게임용 인공지능 엔진시스템

Publications (1)

Publication Number Publication Date
KR20070043126A true KR20070043126A (ko) 2007-04-25

Family

ID=38177664

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050099025A KR20070043126A (ko) 2005-10-20 2005-10-20 게임용 인공지능 엔진시스템

Country Status (1)

Country Link
KR (1) KR20070043126A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100913030B1 (ko) * 2007-07-18 2009-08-20 중앙대학교 산학협력단 단계별 퍼지 로직을 이용한 게임 전략 방법 및 그 시스템
CN101901304A (zh) * 2010-08-05 2010-12-01 上海酷吧信息技术有限公司 斗地主游戏中计算机玩家智能算法的实现方法
CN107952243A (zh) * 2017-11-29 2018-04-24 杭州电魂网络科技股份有限公司 路径确定方法及装置
WO2018131749A1 (ko) * 2017-01-16 2018-07-19 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 엔진 모듈
WO2018135696A1 (ko) * 2017-01-20 2018-07-26 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼
CN113168564A (zh) * 2018-12-20 2021-07-23 西门子股份公司 用于生成人工智能模型的方法和系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100913030B1 (ko) * 2007-07-18 2009-08-20 중앙대학교 산학협력단 단계별 퍼지 로직을 이용한 게임 전략 방법 및 그 시스템
CN101901304A (zh) * 2010-08-05 2010-12-01 上海酷吧信息技术有限公司 斗地主游戏中计算机玩家智能算法的实现方法
WO2018131749A1 (ko) * 2017-01-16 2018-07-19 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 엔진 모듈
WO2018135696A1 (ko) * 2017-01-20 2018-07-26 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼
CN107952243A (zh) * 2017-11-29 2018-04-24 杭州电魂网络科技股份有限公司 路径确定方法及装置
CN107952243B (zh) * 2017-11-29 2020-08-04 杭州电魂网络科技股份有限公司 路径确定方法及装置
CN113168564A (zh) * 2018-12-20 2021-07-23 西门子股份公司 用于生成人工智能模型的方法和系统

Similar Documents

Publication Publication Date Title
Zorriassatine et al. A review of neural networks for statistical process control
Alvarez-Alvarez et al. Human gait modeling using a genetic fuzzy finite state machine
Fogel An overview of evolutionary programming
KR20070043126A (ko) 게임용 인공지능 엔진시스템
Palmroth Performance monitoring and operator assistance systems in mobile machines
Alizadeh et al. Using data mining for learning and clustering FCM
Inyang et al. Fuzzy clustering of students' data repository for at-risks students identification and monitoring
Ashlock et al. Evolving a diverse collection of robot path planning problems
CN117710156A (zh) 一种基于大数据的公路施工优化方法及系统
Casillas et al. Cooperative coevolution for learning fuzzy rule-based systems
KR20100128181A (ko) 온라인 게임 시스템의 캐릭터 인공지능 서버 네트워크 구성
CN114638379A (zh) 边缘侧多智能体opc ua信息解析和决策方法
Fernlund Evolving models from observed human performance
Voleti Unfolding the evolution of machine learning and its expediency
Giri et al. Logic-based ai for interpretable board game winner prediction with Tsetlin machine
Barnes et al. Data-driven domain models for problem solving
Morrall Ecological applications of genetic algorithms
Saoud et al. How data mining techniques can improve simulation studies
Shi et al. A behavior fusion method based on inverse reinforcement learning
Løvlid et al. Data-driven behavior modeling for computer generated forces–a literature survey
Passos Dynamical decision making in rugby: identifying interpersonal coordination patterns
Setiono et al. MofN rule extraction from neural networks trained with augmented discretized input
Kocan Attention-Guided Explainable Reinforcement Learning: Key State Memorization and Experience-Based Prediction
Basavaraj et al. Multi-Timescale Modeling of Human Behavior
Thota et al. Neurosymbolic AI for Explainable Recommendations in Frontend UI Design-Bridging the Gap between Data-Driven and Rule-Based Approaches

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination