[논문 리뷰] The Design Of "Stratega": A General Strategy Games Framework

Diego Pérez-Liébana, Alexander Dockhorn외 2명|arXiv (Cornell University)|2020. 09. 11.

Artificial Intelligence in Games참고 문헌 10인용 수 4

한 줄 요약

Stratega는 YAML 기반 구성 시스템을 사용하여 유닛, 동작, 규칙와 같은 게임 구성 요소를 정의함으로써 체스와 같은 턴제 및 실시간 전략 게임에서 AI 에이전트를 개발하고 테스트하기 위한 일반 목적의 프레임워크이다. 이 프레임워크는 공통 API와 향후 모델 접근을 통해 영리한 에이전트 개발을 가능하게 하며, 통계적 전방 계획법과 복잡한 전략 게임 메커니즘으로의 향후 확장을 지원한다.

ABSTRACT

Stratega, a general strategy games framework, has been designed to foster research on computational intelligence for strategy games. In contrast to other strategy game frameworks, Stratega allows to create a wide variety of turn-based and real-time strategy games using a common API for agent development. While the current version supports the development of turn-based strategy games and agents, we will add support for real-time strategy games in future updates. Flexibility is achieved by utilising YAML-files to configure tiles, units, actions, and levels. Therefore, the user can design and run a variety of games to test developed agents without specifically adjusting it to the game being generated. The framework has been built with a focus of statistical forward planning (SFP) agents. For this purpose, agents can access and modify game-states and use the forward model to simulate the outcome of their actions. While SFP agents have shown great flexibility in general game-playing, their performance is limited in case of complex state and action-spaces. Finally, we hope that the development of this framework and its respective agents helps to better understand the complex decision-making process in strategy games. Stratega can be downloaded at: https://github.research.its.qmul.ac.uk/eecsgameai/Stratega

연구 동기 및 목표

• 단일 게임에 특화된 것 외에 다양한 게임 설정을 지원하는 일반화된 AI 프레임워크의 부족을 보완하기 위해.
• 연구자들이 공통 API와 공유되는 게임 로직을 통해 다양한 전략 게임에서 AI 에이전트를 개발하고 테스트할 수 있도록 하기 위해.
• 통계적 전방 계획법(SFP) 에이전트를 지원하기 위해 게임 상태와 전방 모델에 대한 액세스를 제공함으로써 행동 시뮬레이션을 가능하게 하기 위해.
• 게임 및 레벨 생성, 자동 균형 조정, AI 의사결정의 해석 가능성에 대한 연구를 촉진하기 위해.
• 향후 버전에서 실시간 전략 게임과 자원 관리, 기술 트리와 같은 복잡한 메커니즘을 지원하기 위해.

제안 방법

• 게임 런너, 렌더링, 에이전트, 구성 요소로 구성된 모듈러 아키텍처를 사용하여 로직과 시각화를 분리한다.
• 게임 상태는 로직이 없는 데이터 컨테이너로 표현되며, 게임 런너가 턴 진행과 동작 실행을 담당한다.
• YAML 구성 파일은 타일, 유닛, 동작, 승리 조건, 효과와 같은 게임 요소를 정의하여 런타임 동안 재컴파일 없이 게임 설정을 동적으로 변경할 수 있도록 한다.
• 에이전트는 전방 모델의 복사본에 액세스하여 행동 결과를 시뮬레이션할 수 있으며, 이는 통계적 전방 계획법과 상대방의 턴 동안의 외부 사고를 지원한다.
• 프레임워크는 턴제 및 실시간 게임 런너를 모두 지원하며, 후자는 지연 후에 동작을 수집하고 일괄 처리한다.
• 아키텍처는 플러그인 방식의 전방 모델과 게임 추상화를 지원하여 알고리즘이 다양한 수준의 게임 표현에서 작동할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 다양한 게임 설정을 지원하면서도 에이전트 개발을 위한 일관된 API를 유지할 수 있도록 일반 전략 게임 프레임워크를 어떻게 설계할 수 있는가?
• RQ2 YAML 기반 구성이 코드 변경 없이 게임 메커니즘의 빠른 프로토타이핑과 튜닝을 얼마나 잘 지원할 수 있는가?
• RQ3 전방 모델에 대한 액세스가 복잡한 전략 게임에서 통계적 전방 계획법 에이전트의 성능과 유연성을 얼마나 향상시키는가?
• RQ4 일관된 프레임워크 내에서 턴제와 실시간 전략 게임을 둘 다 지원하기 위한 핵심 아키텍처 요구사항은 무엇인가?
• RQ5 프레임워크는 향후 게임 생성, 자동 균형 조정, AI 의사결정의 해석 가능성 연구를 어떻게 지원할 수 있는가?

주요 결과

• Stratega 프레임워크는 단일 재사용 가능한 API와 YAML 기반 구성만으로 다양한 턴제 전략 게임을 성공적으로 생성할 수 있다.
• 구성 파일을 코드에서 분리함으로써 재컴파일 없이도 동적 게임 설정과 빠른 반복이 가능해져 연구의 민첩성을 향상시킨다.
• 에이전트는 게임 상태에 액세스하고 수정할 수 있으며, 전방 모델을 사용해 행동 결과를 시뮬레이션함으로써 통계적 전방 계획법과 같은 고급 계획 기법을 지원한다.
• 프레임워크는 외부 사고를 지원하여 에이전트가 자신의 턴이 아닌 동안에도 게임 상태와 상대방의 행동을 고려해 사고할 수 있도록 한다.
• 아키텍처는 확장 가능하며, 향후 실시간 전략 메커니즘, 자원 시스템, 기술 트리의 통합을 지원하도록 설계되어 있다.
• 렌더링과 게임 런너 컴ponent가 분리되어 있어 GUI 및 헤드리스 실행 모두 가능하며, 이는 확장 가능한 에이전트 평가와 로깅을 지원한다.