[논문 리뷰] Integrating Automated Play in Level Co-Creation

Andrew D. Hoyt, Matthew Guzdial외 3명|arXiv (Cornell University)|2019. 11. 20.

Artificial Intelligence in Games참고 문헌 19인용 수 7

한 줄 요약

이 논문은 슈퍼 마리오 브라더스 레벨 디자인에서 플레이어블성과 난이도 평가를 향상시키기 위해 모라이 메이커 레벨 공동 창작 도구에 자동화된 두 가지 기능—A* 가용성 검사와 A*-기반 생존 분석—을 도입한다. A* 경로 탐색과 에이전트 기반 시뮬레이션을 활용하여 디자이너가 수동 플레이테스팅 없이도 레벨의 통과 가능성과 난이도를 검증할 수 있게 되어, 인간-AI 공동 창작 워크플로우에서 디자인의 효율성과 신뢰성을 향상시킨다.

ABSTRACT

In level co-creation an AI and human work together to create a video game level. One open challenge in level co-creation is how to empower human users to ensure particular qualities of the final level, such as challenge. There has been significant prior research into automated pathing and automated playtesting for video game levels, but not in how to incorporate these into tools. In this demonstration we present an improvement of the Morai Maker mixed-initiative level editor for Super Mario Bros. that includes automated pathing and challenge approximation features.

연구 동기 및 목표

• 수동 플레이테스팅이 필요 없이 인간-AI 레벨 공동 창작 환경에서 레벨의 플레이어블성과 이동 가능성 보장을 위한 과제 해결.
• 현재의 모라이 메이커 시스템에서 물리 모델링이 부족하여 AI가 생성한 레벨 요소가 플레이어블하지 않을 수 있는 한계를 극복.
• 핵심 레벨 섹션의 도달 가능성과 완료 난이도를 실시간으로 평가할 수 있는 자동 피드백을 디자이너에게 제공.
• 개인적인 플레이스루 없이도 비전문가 디자이너가 도전도를 근사함으로써 더 균형 잡히고 플레이어블한 레벨을 만들 수 있도록 지원.

제안 방법

• 사용자가 정의한 두 지점 사이의 최적 경로를 시각화하는 A* 가용성 검사 기능을 구현하며, 슈퍼 마리오 브라더스의 물리 인식 A* 경로 탐색 모델을 활용.
• 점프, 이동 등의 게임 메커니즘을 A* 연산자로 표현하여 실현 가능한 통과 경로를 계산.
• 사전에 계산된 A* 경로를 따라 가변적인 전이 임계값을 가진 에이전트(기본값 100개)를 시뮬레이션하는 A*-기반 생존 분석 기능을 도입.
• 에이전트 중 목표에 도달한 비율을 바탕으로 난이도의 근사치를 산정하며, 이는 픍레이스타일의 다양성과 최적성의 변동성을 반영한다.
• 레벨 디자인 중 실시간 상호작용을 위해 키보드 단축키(예: 'P' 키)를 통해 모라이 메이커 에디터에 두 기능을 통합.
• 완성되지 않은 레벨에서도 작동하도록 하여 반복적이고 혼합 주도형 디자인 프로세스에 적합하도록 보장하며, 모든 단계에서 검사를 수행할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 수동 플레이테스팅 없이도 자동 경로 탐색을 활용해 인간-AI 공동 창작 환경에서 레벨의 통과 가능성 검증이 가능한가?
• RQ2 A*-기반 에이전트 시뮬레이션은 레벨 디자인에서 인간이 느끼는 난이도를 어느 정도 정확하게 근사할 수 있는가?
• RQ3 자동화된 플레이어블성 및 난이도 분석 통합이 AI 보조 레벨 에디터의 사용성과 신뢰성에 어떤 영향을 미치는가?
• RQ4 비전문가 디자이너가 수동 테스트 없이도 자동 피드백을 효과적으로 활용해 플레이어블하고 균형 잡힌 레벨을 만들 수 있는가?

주요 결과

• A* 가용성 검사는 레벨 내 두 지점 사이에 플레이어블한 경로가 존재하는지 성공적으로 식별하며, 사용자가 레벨을 플레이하지 않더라도 시각적 확인을 제공한다.
• A*-기반 생존 분석은 다양한 최적성 수준을 가진 에이전트를 경로에 따라 시뮬레이션하여 난이도의 정량적 추정치를 생성하며, 성공률이 난이도의 대체 지표로 기능한다.
• 생존 분석에서 성공한 에이전트 비율은 랜덤화된 임계값으로 인해 런에 따라 변동하며, 이는 플레이스타일의 본질적 다양성을 반영한다.
• 시스템은 수동 플레이테스팅 없이도 도달 가능성과 난이도 평가를 가능하게 하여 디자인 흐름을 유지하고 스트레스를 감소시킨다.
• 완성되지 않은 레벨에서도 기능이 효과적으로 작동하여, 각 단계에서 완전한 플레이어블성 확보 없이도 반복적 디자인을 지원한다.
• 자동 분석 기능을 모라이 메이커에 통합함으로써 AI가 생성한 콘텐츠의 신뢰성을 향상시켜, 플레이어블하지 않은 레벨 요소의 위험을 줄였다.