소프트웨어학과

구분

내용

추진 배경

□ 동적 난이도 조정(DDA)은 다양한 게임 장르에서 활용되고 있으나 탄막 슈팅 게임에 적용된 사례는 드뭄.
□탄막 슈팅 게임은 반복적인 패턴과 고난이도로 인해 초보자와 숙련자 간 실력 차이를 조정하기 어렵고 몰입도 유지에 한계가 있음.
□ 플레이어의 실력을 실시간으로 반영하여 난이도를 자동 조절하는 시스템에 대한 연구 필요성이 제기됨.

목표 및 내용

□ 플레이어의 게임 실력에 따라 난이도를 자동 조절하여 몰입도를 유지할 수 있는 시스템을 설계함.
□ 강화학습 기반의 유저 모델을 통해 사람처럼 행동하는 플레이어 에이전트를 생성함.
□ 게임 내 객체(적, 탄환 등)를 YOLOv11n 기반 탐지 모델로 인식하고 이 정보를 바탕으로 플레이 데이터를 수집함.
□ 수집된 데이터(적 수, 체력, 목숨 등)를 기반으로 CNN+RL 구조로 난이도 측정 모델을 개발함.
□ 측정된 난이도를 실시간으로 반영하여 적 등장 빈도, 탄막 패턴 등 난이도를 조정함.

• 수행결과

□ 유저 모델은 강화학습(PPO) 기반으로 훈련되었으며 실력이 높은 유저의 모델은 안정적으로 학습됨.
□ YOLOv11n을 통해 게임 화면 내 객체를 정확히 탐지할 수 있음.
□ 난이도 측정 모델은 구현 중이며 다양한 실력의 유저 모델을 반영하기 위한 계획이 수립됨.
□ 기업 피드백을 통해 다양한 실력값을 가진 에이전트를 구성할 필요성이 제기되어 후속 개선에 반영됨.
□ 방학 중 보상 체계 및 난이도 조정 모델의 추가 구현을 계획함.