A Reinforcement Learning-Based Approach for Mimicking Human Play Patterns in Boss Raid Games

본 연구는 보스 레이드 게임에서 인간 플레이 패턴을 모방하기 위한 강화학습 기반 접근법을 제안한다. 네 가지 캐릭터를 동시에 조종하여 보스를 상대하는 시나리오를 대상으로 이를 플레이하는 인간 데이터를 활용하고, 플레이어와 인공지능 에이전트 간의 게임 플레이를 비교하여 보상 구조를 설계하였다. 실험에는 보스 레이드 시뮬레이터를 사용하였으며, 다중 에이전트 사후 신용 할당(MA-POCA) 강화학습 기법을 통해 에이전트를 훈련시켰다. 또한, 인간 플레이 패턴 모사만을 목적으로 한 에이전트와, 시나리오 해결과 함께 인간 플레이 패턴 모사를 도모하는 에이전트를 각각 학습시켜 비교하였다. 그 결과, 제안한 방법론을 적용한 에이전트는 인간 플레이 패턴을 유사하게 재현하였으나, 시나리오 해결을 병행할 경우, 캐릭터 종류에 따라 성과 차이가 발생하였다. 본 연구는 복잡한 게임 환경에서 다양한 플레이 스타일을 재현하는 AI 에이전트를 활용하여 게임 테스트 및 밸런싱을 자동화하는 가능성을 제시한다.