Top

게임을 위한 AI 3/e

  • 원서명AI for Games, Third Edition (ISBN 9781138483972)
  • 지은이이안 밀링턴(Ian Millington)
  • 옮긴이문기영
  • ISBN : 9791161757902
  • 70,000원
  • 2023년 10월 30일 펴냄
  • 페이퍼백 | 1,148쪽 | 188*235mm
  • 시리즈 : 게임 개발 프로그래밍

판매처

교보문고 YES24 알라딘 인터파크 영풍문고

책 소개

요약

현업 개발자가 실무에서 사용하는 게임 AI 개발에 필요한 거의 모든 것을 다룬다. 이 책에서 소개하는 내용만 잘 숙지한다면 게임 AI 개발에 발목을 잡히는 경우는 없으리라 확신한다. 역자 역시 게임 AI 개발자로서 이 책에서 다루는 내용들을 현업에서 자주 사용했고 성공적으로 게임을 출시할 수 있었다. 게임 클라이언트, 게임 서버(게임 로직 관련) 개발자에게 필독을 권한다.

이 책에서 다루는 내용

◆ 슈팅 게임부터 보드 게임, 로그라이크 게임, 대규모 오픈 월드 게임까지 모든 종류에서 사용하는 AI를 구현하기 위한 포괄적인 내용과 지침
◆ 모든 단계에서 독자의 이해를 돕기 위한 연습 및 과제
◆ 새로운 고급 AI 기술과 머신러닝 학습
◆ 개별적인 기술에서 시작해 다양한 기술의 조합을 통한 전체 게임 개발 과정
◆ 이번 개정판에서 처음으로 다루는 절차적 게임 콘텐츠 개발 및 레벨 생성에 관한 알고리듬과 기술

이 책의 구성

AI는 훌륭한 게임을 만들기 위한 핵심 요소다. 더욱 현실적인 캐릭터, 전략을 갖춘 적의 모습은 게임을 계속해서 플레이하게 만든다. 이안 밀링턴의 새로운 개정판에서는 최첨단 AI 개발을 위한 방법을 소개한다. 전문 게임 개발자의 경우 기술의 지속적인 발전을 따라가는 데 도움이 되도록 포괄적인 내용을 다루며, 게임 또는 AI 개발에 처음 입문하는 독자를 위한 안내서 역할도 겸한다. 또한 학생이나 취미로 게임을 개발하는 독자를 위한 최신 정보 역시 제공한다. 성공적인 게임을 개발하는 스튜디오에서 사용하는 새로운 AI 기술, 알고리듬과 지혜를 포함한다.

저자/역자 소개

지은이 소개

이안 밀링턴(Ian Millington)

게임 산업 컨설턴트로서 AI, 콘텐츠 생성 및 시뮬레이션을 위한 차세대 기술을 개발했다. 전 세계의 기업과 협력해 수천 명의 전문가를 위한 기술과 교육을 제공해 왔으며 게임 업계 최초로 AI에 특화된 미들웨어 회사 중 하나인 Mindlathe의 CEO를 역임했다.

옮긴이의 말

『게임을 위한 AI 3/e』은 제가 번역을 맡기 이전에 원서를 직접 구매해 읽고 유용하게 참고한 책이었습니다. “이런 책은 많은 한국 게임 개발자가 읽었으면 좋겠다.”는 생각이 있던 차에 번역 의뢰가 들어와 번역을 시작했습니다. 처음에 번역한 건 2판이었는데, 업무상 참관한 GDC(Game Developers Conference)에서 이 책의 3판 출간 소식을 접했습니다. 당시 번역이 마무리된 상태였기 때문에 2판을 그대로 출간해도 되지 않을까 생각했지만, 3판을 읽어보니 변경되거나 추가된 부분이 많았습니다. 결국 에이콘출판사 관계자분들과 상의한 후 3판을 번역해야 한다는 결론에 이르렀습니다. 덕분에 매우 두꺼워졌습니다!
개인적으로 열심히 번역했지만, 항상 부족함을 느낍니다. 원저의 명성에 먹칠하지 않을까 하는 조바심마저 듭니다. 역자는 아직(?) 현업에 종사하고 있는 게임 개발자로서 최대한 실무 용어를 그대로 사용하고자 굳이 한국어로 번역하지 않았습니다. 역자가 게임 개발을 시작했던 1999년에는 거의 상상하지 못했지만, 이 글을 쓰는 시점인 2023년에는 게임 개발 역시 글로벌화 돼가고 있습니다. 개발 팀도 한국인으로만 이뤄져 있지 않은 경우가 있는데, 따라서 용어 자체는 영문 그대로 배우는 것이 지금 당장은 사소한 불편이 있다 하더라도 이후에 커뮤니케이션하는 데 도움이 되리라는 믿음이 있기 때문입니다.
이제 책에 관해 이야기를 해보려 합니다. 이 책에서 다루는 AI 내용은 대부분의 게임 개발에서 사용하는 거의 모든 기술이라고 해도 과언이 아닙니다. 거의 전 분야에 걸친 게임 AI 개발 방법을 다루고 있기 때문에 일일이 나열하기보다 직접 목차를 봐주시면 좋을 것 같습니다. 또한 약간의 과장을 하자면 이 책에서 다루는 내용만 제대로 숙지해도 게임 개발에 사용되는 거의 모든 AI 기술을 안다고 말할 수 있다고 생각합니다.
2023년 현재는 비게임 개발 산업에서 사용되는 AI 기술(컴퓨터 비전 또는 LLM과 같은)이 게임 개발에 접목되는 경우도 있으며 반대의 사례도 상당히 많습니다. 이러한 내용은 이 책에서 깊게 다루고 있지 않지만, 그렇다고 해서 이 책에서 다루는 AI 기술이 구식이 됐다는 것은 결코 아닙니다. 앞으로 게임 AI에 이러한 AI 기술이 접목되면 우리가 지금까지 상상만 했던 게임이 개발되고 플레이해볼 수 있지 않을까 매우 기대됩니다.
아무쪼록 이 책에서 여러분들이 게임 개발에 사용되는 다양한 AI 개발 방법들을 배울 수 있기를 바라며 저 역시 게임 산업 종사자의 일원으로서 조금이나마 도움이 됐기를 바랍니다.

옮긴이 소개

문기영

1999년부터 게임 산업에 근무했다. 한국, 캐나다, 일본, 미국의 기업에서 일하며 다양한 게임을 개발했다. 저서로는 고등학교 3학년 때 저술한 『비주얼 베이직 6 게임 만들기』(피씨북, 2000)를 비롯해 『게임 개발 테크닉』(정보문화사, 2002), 『게임 프로그래밍으로 배우는 C#』, 『유니티 2D 모바일 게임 개발』(에이콘, 2014), 『아이들과 함께하는 코딩 놀이』(에이콘, 2018)가 있으며, 번역서로는 에이콘출판사에서 출간한 『언리얼 게임 엔진 UDK 3』(2012), 『언리얼 UDK 게임 개발』(2014), 『유니티 2D 플랫포머 게임 개발』(2015), 『언리얼 엔진 4 블루프린트 비주얼 스크립팅』(2016), 『하루 만에 혼자서 배우는 언리얼 엔진 4』(에이콘, 2017), 『유니티 게임 오디오 개발』(에이콘, 2018)이 있다.

목차

목차
  • 1부. AI와 게임
  • 1장. 소개
  • 1.1 AI란 무엇인가?
  • 1.1.1 학술 AI
  • 1.1.2 게임 AI
  • 1.2 게임 AI의 모델
  • 1.2.1 이동
  • 1.2.2 의사결정
  • 1.2.3 전략
  • 1.2.4 기반 구조
  • 1.2.5 에이전트 기반 AI
  • 1.2.6 책의 구성
  • 1.3 알고리듬, 자료 구조, 표현
  • 1.3.1 알고리듬
  • 1.3.2 표현
  • 1.3.3 구현
  • 1.4 책의 구성

  • 2장. 게임 AI
  • 2.1 복잡성의 잘못된 믿음
  • 2.1.1 간단한 것들이 보기 좋을 때
  • 2.1.2 복잡한 것들이 보기 안 좋을 때
  • 2.1.3 퍼셉션 윈도우
  • 2.1.4 행동의 변화
  • 2.2 게임 내 AI의 종류
  • 2.2.1 해킹
  • 2.2.2 휴리스틱
  • 2.2.3 알고리듬
  • 2.3 속도, 메모리
  • 2.3.1 프로세서 이슈
  • 2.3.2 메모리 문제
  • 2.3.3 플랫폼
  • 2.4 AI 엔진
  • 2.4.1 AI 엔진의 구조
  • 2.4.2 툴체인 문제
  • 2.4.3 모든 것을 함께

  • 2부. 기술
  • 3장. 이동
  • 3.1 이동 알고리듬의 기본
  • 3.1.1 2차원 운동
  • 3.1.2 정역학
  • 3.1.3 운동학
  • 3.2 운동학 이동 알고리듬
  • 3.2.1 찾기
  • 3.2.2 배회하기
  • 3.3 조종 행동
  • 3.3.1 조종의 기본
  • 3.3.2 변수 매칭
  • 3.3.3 찾기, 도망가기
  • 3.3.4 도착하기
  • 3.3.5 줄 맞추기
  • 3.3.6 속도 매칭
  • 3.3.7 위임 행동
  • 3.3.8 뒤쫓기, 도피하기
  • 3.3.9 바라보기
  • 3.3.10 이동할 곳으로 바라보기
  • 3.3.11 배회하기
  • 3.3.12 경로 따라가기
  • 3.3.13 분리
  • 3.3.14 충돌 피하기
  • 3.3.15 장애물, 벽 피하기
  • 3.3.16 요약
  • 3.4 조종 행동의 결합
  • 3.4.1 혼합과 중재
  • 3.4.2 가중 혼합
  • 3.4.3 우선순위
  • 3.4.4 협력 중재
  • 3.4.5 조종 파이프라인
  • 3.5 예측 물리학
  • 3.5.1 조준하기, 발사하기
  • 3.5.2 발사체 궤도
  • 3.5.3 발사 솔루션
  • 3.5.4 발사체와 항력
  • 3.5.5 반복 타기팅
  • 3.6 점핑
  • 3.6.1 점프 포인트
  • 3.6.2 착륙장
  • 3.6.3 홀 필러
  • 3.7 조직된 움직임
  • 3.7.1 고정된 포메이션
  • 3.7.2 확장 가능한 포메이션
  • 3.7.3 창발적 포메이션
  • 3.7.4 2-레벨 포메이션 조종
  • 3.7.5 구현
  • 3.7.6 2-레벨 이상으로 확장하기
  • 3.7.7 슬롯의 역할과 더 나은 할당법
  • 3.7.8 슬롯 할당
  • 3.7.9 동적인 슬롯과 플레이
  • 3.7.10 전술적 움직임
  • 3.8 모터 제어
  • 3.8.1 출력 필터링
  • 3.8.2 능력에 맞는 조종
  • 3.8.3 일반적인 액추에이션 속성
  • 3.9 3차원에서의 이동
  • 3.9.1 3차원에서의 회전
  • 3.9.2 조종 행동을 3차원으로 변환하기
  • 3.9.3 정렬
  • 3.9.4 벡터에 정렬하기
  • 3.9.5 바라보기
  • 3.9.6 움직이는 방향으로 바라보기
  • 3.9.7 배회하기
  • 3.9.8 회전축 속이기

  • 4장. 길 찾기
  • 4.1 길 찾기 그래프
  • 4.1.1 그래프
  • 4.1.2 가중 그래프
  • 4.1.3 유향 가중 그래프
  • 4.1.4 용어
  • 4.1.5 표현
  • 4.2 다익스트라
  • 4.2.1 문제
  • 4.2.2 알고리듬
  • 4.2.3 의사 코드
  • 4.2.4 자료 구조 및 인터페이스
  • 4.2.5 다익스트라의 성능
  • 4.2.6 약점
  • 4.3 A*
  • 4.3.1 문제
  • 4.3.2 알고리듬
  • 4.3.3 의사 코드
  • 4.3.4 자료 구조 및 인터페이스
  • 4.3.5 구현 노트
  • 4.3.6 알고리듬 성능
  • 4.3.7 노드 배열 A*
  • 4.3.8 휴리스틱 선택하기
  • 4.4 월드 표현
  • 4.4.1 타일 그래프
  • 4.4.2 디리클레 도메인
  • 4.4.3 가시성 포인트
  • 4.4.4 내비게이션 메시
  • 4.4.5 이동 불가 문제
  • 4.4.6 비용 함수
  • 4.4.7 경로 다듬기
  • 4.5 A*의 개선
  • 4.6 계층적 길 찾기
  • 4.6.1 계층적 길 찾기 그래프
  • 4.6.2 계층적 그래프 길 찾기
  • 4.6.3 계층적 길 찾기에서 제외하기
  • 4.6.4 길 찾기에서 계층 구조의 이상한 효과
  • 4.6.5 인스턴스된 지오메트리
  • 4.7 길 찾기의 다른 아이디어들
  • 4.7.1 열린 목표 길 찾기
  • 4.7.2 동적 길 찾기
  • 4.7.3 다른 종류의 정보 재사용
  • 4.7.4 로우 메모리 알고리듬
  • 4.7.5 중단 가능한 길 찾기
  • 4.7.6 계획 풀링
  • 4.8 연속 시간 길 찾기
  • 4.8.1 문제점
  • 4.8.2 알고리듬
  • 4.8.3 구현 노트
  • 4.8.4 성능
  • 4.8.5 약점
  • 4.9 이동 계획
  • 4.9.1 애니메이션
  • 4.9.2 이동 계획
  • 4.9.3 예제
  • 4.9.4 발걸음

  • 5장. 의사결정
  • 5.1 의사결정에 대한 개관
  • 5.2 의사결정 트리
  • 5.2.1 문제
  • 5.2.2 알고리듬
  • 5.2.3 의사 코드
  • 5.2.4 지식 표현
  • 5.2.5 구현 노트
  • 5.2.6 의사결정 트리의 성능
  • 5.2.7 트리의 균형을 맞춘다
  • 5.2.8 트리를 넘어
  • 5.2.9 무작위 의사결정 트리
  • 5.3 상태 기계
  • 5.3.1 문제
  • 5.3.2 알고리듬
  • 5.3.3 의사 코드
  • 5.3.4 자료 구조와 인터페이스
  • 5.3.5 성능
  • 5.3.6 구현 노트
  • 5.3.7 하드 코딩된 FSM
  • 5.3.8 계층적 상태 기계
  • 5.3.9 의사결정 트리와 상태 기계를 결합하기
  • 5.4 행동 트리
  • 5.4.1 행동 트리 구현하기
  • 5.4.2 의사 코드
  • 5.4.3 데코레이터
  • 5.4.4 동시성과 타이밍
  • 5.4.5 행동 트리에 데이터를 추가하기
  • 5.4.6 트리 재사용
  • 5.4.7 행동 트리의 한계
  • 5.5 퍼지 로직
  • 5.5.1 주의 사항
  • 5.5.2 퍼지 로직의 소개
  • 5.5.3 퍼지 로직 의사결정
  • 5.5.4 퍼지 상태 기계
  • 5.6 마르코프 시스템
  • 5.6.1 마르코프 과정
  • 5.6.2 마르코프 상태 기계
  • 5.7 목표지향 행동
  • 5.7.1 목표지향 행동
  • 5.7.2 단순 선택
  • 5.7.3 전체 효용
  • 5.7.4 타이밍
  • 5.7.5 총체적 효용 GOAP
  • 5.7.6 IDA*로 하는 GOAP
  • 5.7.7 냄새 나는 GOB
  • 5.8 룰 기반 시스템
  • 5.8.1 문제
  • 5.8.2 알고리듬
  • 5.8.3 의사 코드
  • 5.8.4 자료 구조 및 인터페이스
  • 5.8.5 룰 중재
  • 5.8.6 단일화
  • 5.8.7 Rete
  • 5.8.8 확장
  • 5.8.9 다음에는 어디로
  • 5.9 칠판 아키텍처
  • 5.9.1 문제
  • 5.9.2 알고리듬
  • 5.9.3 의사 코드
  • 5.9.4 자료 구조 및 인터페이스
  • 5.9.5 성능
  • 5.9.6 다른 것들은 칠판 시스템이다
  • 5.10 액션 실행
  • 5.10.1 액션의 종류
  • 5.10.2 알고리듬
  • 5.10.3 의사 코드
  • 5.10.4 자료 구조 및 인터페이스
  • 5.10.5 구현 노트
  • 5.10.6 성능
  • 5.10.7 모두 합치기

  • 6장. 전략적, 전술적 AI
  • 6.1 웨이포인트 전술
  • 6.1.1 전술적 장소
  • 6.1.2 전술적 장소 사용하기
  • 6.1.3 웨이포인트의 전술적 유형을 생성하기
  • 6.1.4 자동적으로 웨이포인트 생성하기
  • 6.1.5 압축 알고리듬
  • 6.2 전술적 분석
  • 6.2.1 게임 지형 표현하기
  • 6.2.2 간단한 영향력 지도
  • 6.2.3 지형 분석
  • 6.2.4 전술적 분석을 통한 학습
  • 6.2.5 전술적 분석을 위한 구조
  • 6.2.6 지도 홍수
  • 6.2.7 컨볼루션 필터
  • 6.2.8 세포 오토마타
  • 6.3 전술적 길 찾기
  • 6.3.1 비용 함수
  • 6.3.2 전술적 가중치와 관심 섞기
  • 6.3.3 길 찾기 발견적 알고리듬 수정하기
  • 6.3.4 길 찾기를 위한 전술적 그래프
  • 6.3.5 전술적 웨이포인트 사용하기
  • 6.4 협동 행동
  • 6.4.1 다층 AI
  • 6.4.2 창발적 협동
  • 6.4.3 그룹 행동 스크립트
  • 6.4.4 군사적 전술

  • 7장. 학습
  • 7.1 학습의 기초
  • 7.1.1 온라인, 오프라인 학습
  • 7.1.2 내부 행동 학습
  • 7.1.3 상호 행동 학습
  • 7.1.4 주의 사항
  • 7.1.5 과도한 학습
  • 7.1.6 다양한 종류의 학습 알고리듬
  • 7.1.7 노력의 균형
  • 7.2 매개 변수 수정
  • 7.2.1 매개 변수 지형
  • 7.2.2 언덕 오르기
  • 7.2.3 기본적인 언덕 오르기 확장하기
  • 7.2.4 담금질
  • 7.3 행동 예측
  • 7.3.1 오른쪽 또는 왼쪽
  • 7.3.2 원시 확률
  • 7.3.3 스트링 매칭
  • 7.3.4 N-그램
  • 7.3.5 창문 크기
  • 7.3.6 계층적 N-그램
  • 7.3.7 전투에서의 응용
  • 7.4 의사결정 학습
  • 7.4.1 의사결정 학습의 구조
  • 7.4.2 무엇을 학습할 것인가?
  • 7.4.3 네 가지 기술
  • 7.5 나이브 베이즈 분류
  • 7.5.1 의사 코드
  • 7.5.2 구현 노트
  • 7.6 의사결정 트리 학습
  • 7.6.1 ID3
  • 7.6.2 연속적인 속성 값을 가진 ID3
  • 7.6.3 점진적 의사결정 트리 학습
  • 7.7 강화 학습
  • 7.7.1 문제점
  • 7.7.2 알고리듬
  • 7.7.3 의사 코드
  • 7.7.4 자료 구조 및 인터페이스
  • 7.7.5 구현 노트
  • 7.7.6 성능
  • 7.7.7 매개 변수 재단
  • 7.7.8 애플리케이션의 현실과 약점
  • 7.7.9 강화 학습에서의 다른 개념들
  • 7.8 인공 신경망
  • 7.8.1 개요
  • 7.8.2 문제점
  • 7.8.3 알고리듬
  • 7.8.4 의사 코드
  • 7.8.5 자료 구조 및 인터페이스
  • 7.8.6 구현 시 유의 사항
  • 7.8.7 성능
  • 7.8.8 다른 접근 방법
  • 7.9 딥러닝
  • 7.9.1 딥러닝이란 무엇인가?
  • 7.9.2 데이터

  • 8장. 절차적 콘텐츠 생성
  • 8.1 의사 난수
  • 8.1.1 숫자 혼합 그리고 게임 시드
  • 8.1.2 할톤 시퀀스
  • 8.1.3 잎차례 각도
  • 8.1.4 푸아송 원반
  • 8.2 린덴마이어 시스템
  • 8.2.1 간단한 L-시스템
  • 8.2.2 L 시스템에 무작위성 추가하기
  • 8.2.3 레벨에 특화된 규칙
  • 8.3 지형 생성
  • 8.3.1 변경자 그리고 높이 맵
  • 8.3.2 잡음
  • 8.3.3 펄린 잡음
  • 8.3.4 단층
  • 8.3.5 열화 침식
  • 8.3.6 수화 침식
  • 8.3.7 고도 필터링
  • 8.4 던전 그리고 미로 생성
  • 8.4.1 깊이 우선 백트래킹에 의한 미로
  • 8.4.2 최소 신장 트리 알고리듬
  • 8.4.3 재귀적 하위 분할
  • 8.4.4 생성 및 테스트
  • 8.5 모양 문법
  • 8.5.1 문법 실행
  • 8.5.2 계획

  • 9장. 보드 게임
  • 9.1 게임 이론
  • 9.1.1 게임의 종류
  • 9.1.2 게임 트리
  • 9.2 미니맥스
  • 9.2.1 정적 평가 함수
  • 9.2.2 미니맥스
  • 9.2.3 미니맥스 알고리듬
  • 9.2.4 네가맥스
  • 9.2.5 AB 가지치기
  • 9.2.6 AB 검색 경계
  • 9.2.7 네가스카웃
  • 9.3 전위 표와 메모리
  • 9.3.1 게임 상태 해시
  • 9.3.2 표에 저장돼야 하는 것들
  • 9.3.3 해시 표 구현
  • 9.3.4 교체 전략
  • 9.3.5 완전 전위 표
  • 9.3.6 전위 표에 대한 쟁점
  • 9.3.7 상대의 생각하는 시간을 이용하기
  • 9.4 메모리-강화 테스트 알고리듬
  • 9.4.1 테스트의 구현
  • 9.4.2 메모리-강화 테스트 드라이버 알고리듬
  • 9.4.3 의사 코드
  • 9.5 몬테카를로 트리 검색
  • 9.5.1 순수한 몬테카를로 트리 검색
  • 9.5.2 지식의 추가
  • 9.6 오프닝 북과 정석
  • 9.6.1 오프닝 북의 구현
  • 9.6.2 오프닝 북을 통한 학습
  • 9.6.3 정석 북
  • 9.7 그 이상의 최적화
  • 9.7.1 반복적 깊이 증가
  • 9.7.2 가변 심도 접근 방식
  • 9.8 게임 지식
  • 9.8.1 정적 평가 함수 만들기
  • 9.8.2 정적 평가 함수 학습
  • 9.9 턴-기반의 전략 게임
  • 9.9.1 불가능한 트리 크기
  • 9.9.2 턴-기반의 게임에서의 실시간 AI

  • 3부. 지원 기술
  • 10장. 실행 관리
  • 10.1 스케줄링
  • 10.1.1 스케줄러
  • 10.1.2 중단 가능한 프로세스
  • 10.1.3 부하 균형 스케줄러
  • 10.1.4 계층적 스케줄링
  • 10.1.5 우선권 스케줄링
  • 10.2 애니타임 알고리듬
  • 10.3 레벨 오브 디테일
  • 10.3.1 그래픽 LOD
  • 10.3.2 AI LOD
  • 10.3.3 스케줄링 LOD
  • 10.3.4 행동 LOD
  • 10.3.5 그룹 LOD
  • 10.3.6 요약

  • 11장. 월드 인터페이싱
  • 11.1 통신
  • 11.1.1 폴링
  • 11.1.2 이벤트
  • 11.1.3 접근법 결정
  • 11.2 이벤트 매니저
  • 11.2.1 구현
  • 11.2.2 이벤트 캐스팅
  • 11.2.3 에이전트 간 통신
  • 11.3 폴링 스테이션
  • 11.3.1 의사 코드
  • 11.3.2 성능
  • 11.3.3 구현 노트
  • 11.3.4 추상 폴링
  • 11.4 감각 관리
  • 11.4.1 속이기
  • 11.4.2 우리가 알고 있는 것은?
  • 11.4.3 감각 양식
  • 11.4.4 지역 감각 매니저
  • 11.4.5 유한 요소 모델 감각 매니저

  • 12장. 툴 그리고 콘텐츠 제작
  • 12.0.1 툴체인의 AI 제한
  • 12.0.2 AI의 지식은 어디서 오는가
  • 12.1 길 찾기를 위한 지식과 웨이포인트 전략
  • 12.1.1 수동으로 지역 데이터 만들기
  • 12.1.2 자동 그래프 생성
  • 12.1.3 기하학적 분석
  • 12.1.4 데이터 마이닝
  • 12.2 이동에 대한 지식
  • 12.2.1 장애물
  • 12.2.2 하이 레벨 스테이징
  • 12.3 의사결정을 위한 지식
  • 12.3.1 오브젝트 유형
  • 12.3.2 구체적인 행동
  • 12.4 툴체인
  • 12.4.1 통합 게임 엔진
  • 12.4.2 사용자 정의 데이터 드리븐 에디터
  • 12.4.3 AI 디자인 도구
  • 12.4.4 원격 디버깅
  • 12.4.5 플러그인

  • 13장. 게임 AI 프로그래밍
  • 13.1 언어 구현
  • 13.1.1 C++
  • 13.1.2 C#
  • 13.1.3 스위프트
  • 13.1.4 자바
  • 13.1.5 자바스크립트
  • 13.2 스크립트 AI
  • 13.2.1 스크립트된 AI란?
  • 13.2.2 좋은 스크립트 언어란 무엇인가?
  • 13.2.3 임베딩
  • 13.2.4 오픈 소스 언어 선택
  • 13.2.5 언어 선택
  • 13.3 언어 만들기
  • 13.3.1 직접 만들어 보기

  • 4부. 게임 AI 디자인
  • 14장. 게임 AI 디자인
  • 14.1 디자인
  • 14.1.1 예제
  • 14.1.2 행동 평가
  • 14.1.3 기술 선택
  • 14.1.4 게임의 범위
  • 14.2 슈터
  • 14.2.1 이동, 발사
  • 14.2.2 의사결정
  • 14.2.3 퍼셉션
  • 14.2.4 길 찾기 그리고 전술적 AI
  • 14.2.5 슈터 같은 게임들
  • 14.2.6 근접전
  • 14.3 레이싱
  • 14.3.1 이동
  • 14.3.2 길 찾기 그리고 전술적 AI
  • 14.3.3 레이싱과 같은 게임들
  • 14.4 실시간 전략 게임
  • 14.4.1 길 찾기
  • 14.4.2 그룹 이동
  • 14.4.3 전술적 그리고 전략적 AI
  • 14.4.4 의사결정
  • 14.4.5 모바
  • 14.5 스포츠
  • 14.5.1 물리 예측
  • 14.5.2 플레이북 그리고 콘텐츠 생성
  • 14.6 턴 기반 전략 게임
  • 14.6.1 타이밍
  • 14.6.2 플레이어 도와주기

  • 15장. AI 기반의 게임 장르
  • 15.1 캐릭터 가르치기
  • 15.1.1 액션 표현
  • 15.1.2 세계 표현
  • 15.1.3 학습 메커니즘
  • 15.1.4 예측 가능한 정신 모델
  • 15.2 무리 짓기 게임
  • 15.2.1 생물 만들기
  • 15.2.2 상호 작용을 위해 조종을 튜닝하기
  • 15.2.3 조종 행동 안정성
  • 15.2.4 생태계 디자인

도서 오류 신고

도서 오류 신고

에이콘출판사에 관심을 가져 주셔서 고맙습니다. 도서의 오탈자 정보를 알려주시면 다음 개정판 인쇄 시 반영하겠습니다.

오탈자 정보는 다음과 같이 입력해 주시면 됩니다.

(예시) p.100 아래에서 3행 : '몇일'동안 -> 며칠동안