제약 조건 해결 가능성 질의를 사용한 3D 장애물 코스 게임의 신속한 디자인 피드백 제공
요약
본 시스템은 디자이너가 지정한 제약 조건(예: 특정 영역 회피, 웨이포인트 통과)을 준수하는 3D 장애물 코스 게임의 해결책을 질의하여 신속하게 디자인 피드백을 제공합니다. GoExplore 알고리즘과 강화학습 에이전트를 활용해 탐색적 검색을 수행하며, 사용자 지정 GPU 가속 시뮬레이터를 통해 거의 실시간으로 플레이 경험을 생성합니다.
핵심 포인트
- 제약 조건 기반 질의를 통한 신속한 디자인 피드백 제공
- GoExplore 알고리즘과 RL 에이전트를 활용하여 해결책 탐색
- GPU 가속 시뮬레이터로 거의 실시간 게임플레이 구현
- 디자이너가 새로운 디자인 방향을 탐구하도록 지원
우리는 디자이너에게 장애물이 어떻게 해결될 수 있는지에 대한 신속한 피드백을 제공하여 3D 장애물 코스 게임 디자인을 지원하는 시스템을 제시합니다. 우리의 핵심 기여는 디자이너가 지정한 제약 조건(예: 특정 영역 회피, 주어진 웨이포인트 통과, 점프를 두 번만 수행 등)을 준수하는 장애물에 대한 해결책(플레이어 행동 시퀀스)을 질의하기 위한 시스템입니다. 광범위한 범위의 장애물 디자인을 빠르게 해결하기 위해, 우리는 탐색적 검색을 위한 GoExplore 알고리즘의 고성능 구현체를 작성하고, 강화학습 (RL)을 사용하여 오프라인으로 훈련된 장애물 해결 에이전트로 검색을 안내합니다. 검색 속도를 더욱 높이기 위해, 이 시스템은 거의 실시간의 14,000배에 달하는 60-fps 게임플레이로 플레이 경험을 생성하는 사용자 지정 GPU 가속 장애물 코스 게임 시뮬레이터를 사용하여 탐색을 수행합니다. 디자인 연구를 통해, 신속한 디자인 루프에서 제약 조건 해결 가능성 질의를 사용하는 것이 디자이너가 장애물이 어떻게 해결될 수 있는지 또는 왜 해결될 수 없는지 이해하는 데 충분히 표현력이 있음을 입증합니다. 또한 이 도구가 디자이너가 바람직하지 않은 해결 경로를 식별하거나 해결책의 난이도를 평가하는 것과 같은 더 높은 수준의 질문에 답할 수 있도록 하는 방법을 보여줍니다. 이를 통해 그들은 원래 예상하지 못했던 새로운 디자인 방향을 추구할 수 있습니다. 우리 시스템을 사용하여 설계된 장애물에 대한 인간 플레이테스팅은 실제 플레이어들이 디자이너가 의도한 방식으로 장애물을 플레이함을 확인시켜 줍니다. 우리는 상호작용 도구, 시뮬레이터, 훈련 설정 및 절차적 레벨 생성 시스템의 코드를 https://zandermajercik.github.io/interactive-obstacle-course-feedback/에서 공개합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기