목록 보기
머신러닝 엔지니어가 퍼즐 게임을 더 재미있게 만드는 방법
AI

머신러닝 엔지니어가 퍼즐 게임을 더 재미있게 만드는 방법

데브시스터즈
데브시스터즈
2024년 5월 29일

두줄요약

퍼즐봇과 유저 행동 데이터를 바탕으로 퍼즐 스테이지의 품질을 수치화하는 지표를 설계했습니다. 폴리싱 효율을 높이기 위해 총 미션 수 구간별 기준을 달리 적용하고 사내 테스트로 검증했습니다.

핵심 내용

  • 쿠키런: 마녀의 성 퍼즐 스테이지의 폴리싱 단계에서 활용할 강화학습 기반 퍼즐봇과 스테이지 평가 지표 설계 과정
  • 실패 시 이어하기·하트 구매 후 재시도 비율을 좋은 스테이지의 행동 기준으로 두고, 남은 미션 수 분포와의 상관관계를 지표로 구성
  • 총 미션 수 구간에 따라 전체 분포, 절대 개수, 비율 기준을 다르게 적용하고 퍼즐봇 데이터와 사내 테스트 데이터로 검증

적용해볼 점

  • 데이터 기반 지표로 수작업 폴리싱의 편향과 비용을 보완하는 접근
  • 운영 전 단계에서도 기존 게임 데이터와 봇 플레이를 활용해 스테이지 품질을 예측하는 방식
  • 지표 신뢰도를 높이기 위한 보조 지표와 구간별 기준 최적화의 필요성

다음 읽기

#강화학습 주제를 이어서 읽기

강화학습으로 더 재미있는 게임 만들기

강화학습 퍼즐 봇으로 대규모 3매치 게임의 밸런싱 작업을 자동화했습니다. Mock 환경과 PPO 모델을 활용해 업데이트 영향과 캐릭터 성능을 사전 정량화했습니다.

데브시스터즈
데브시스터즈
AI
전체 보기

댓글 0개

댓글을 작성하려면 로그인이 필요합니다.

댓글을 불러오는 중...