요약

본 연구는 강화학습(Reinforcement Learning)을 활용하여 게임의 레벨을 설계하는 에이전트를 훈련하는 새로운 접근 방식을 제안합니다. 레벨 설계를 순차적 작업으로 프레임화하여 최종 레벨의 품질을 최대화하는 방향으로 학습하며, 학습 데이터가 부족한 상황에서도 적용이 가능하고 생성 속도가 매우 빠르다는 장점이 있습니다.

핵심 포인트

• 강화학습을 통해 레벨 설계 에이전트를 직접 학습시키는 PCG(절차적 콘텐츠 생성) 방식 제안
• 레벨 설계 문제를 마르코프 결정 과정(MDP)으로 변환하여 순차적 작업으로 처리
• 학습 데이터가 거의 없는 환경에서도 활용 가능한 유연성 확보
• 훈련된 생성기를 통한 매우 빠른 콘텐츠 생성 속도 구현