[AI] Mass Crown AI 에 대해서

Mass Crown AI 를 사용하는 이유

 

1. 대규모 에이전트 관리
효율적인 성능 처리 : 대규모의 에이전트를 동시에 관리할 수 있도록 설계되어, 군중 시뮬레이션이나 복잡한 생태계 구현에 적합.

 

2. 성능 최적화
데이터 지향 아키텍처(DOD) : 에이전트의 데이터와 로직을 분리하여 메모리 효율성을 높이고 CPU 캐시 활용을 극대화함.
멀티스레딩 지원 : 멀티코어 프로세서를 활용하여 작업을 병렬로 처리함으로써 성능을 극대화함.
프레임 레이트 안정화 : 대규모 에이전트를 처리하면서도 게임의 프레임 레이트를 안정적으로 유지할 수 있음.(구현 상황에 따라?)

 

3. 다양한 행동 패턴 구현
모듈식 구성 요소 : Trait, Fragment, Processor 등을 활용하여 에이전트의 다양한 행동과 특성을 손쉽게 구현할 수 있음.
유연한 행동 설정 : 에이전트의 타입별로 다른 행동 패턴을 적용하여 게임 세계를 더욱 풍부하게 만들 수 있음.
환경 반응성 : NPC들이 플레이어의 행동이나 주변 환경 변화에 동적으로 반응하도록 설계할 수 있음.

 

4. 확장성과 유지 보수성
프로젝트 규모 대응 : 게임 개발 과정에서 요구 사항이 증가하더라도 시스템을 쉽게 확장할 수 있음.
코드 재사용성 : 모듈화된 설계를 통해 코드의 재사용성이 높아지고, 유지 보수가 용이함.
팀 협업 효율성 : 명확한 구조와 모범 사례를 따르면 팀원 간의 협업이 수월함.

 

Mass Crown AI의 데이터 중심의 다양한 AI 행동 구현 방법

 

1. 공동된 MassEntityConfig 사용 및 구성 요소 조합
하나의 EntityConfig 를 사용하고 필요한 구성 요소를 조합해서 에이전트의 행동을 다르게 설정해야함.
행동 패턴이나 특성을 나타내는 구성 요소를 직접 만들어 필요에 따라 에이전트에 추가하거나 제거.

2. Trait 와 Fragment 를 통한 데이터 중심의 설계 필요
Trait : 에이전트의 특성을 정의하는데 사용. 다양한 행동을 가능하게 함.
Fragment : 에이전트의 상태나 데이터를 나타냄. Fragment 를 조합하여 에이전트의 행동 로직을 다양하게 구성 가능.

3. Mass Processor와 Observer 사용
Mass Processor : 에이전트의 행동 로직을 처리하는 시스템. 특정 조건이나 Fragment에 따라 다른 행동을 수행하도록 설계 가능.
Observer : 에이전트의 상태 변화를 감지하여 행동을 변경하는 Observer를 구현해야 함.

4. Tag를 이용하여 조건부 로직 적용
Tag 시스템 : 에이전트에 특정 Tag를 부여하여 그룹화하거나 조건부 로직을 적용할 수 있음.
조건부 처리 : Processor나 시스템 내에서 Tag를 확인하여 해당 에이전트에만 특정 행동을 수행하게 함.

5. 데이트 드리븐 접근 방식
외부 데이터 사용 : 데이터 테이블을 통해 에이전트의 행동 파라미터를 정의.
런타임 변경 가능성: 게임 플레이 도중에도 에이전트의 행동을 동적으로 변경할 수 있음.

6. Mass Behavior Framework 활용
Behavior Tree 통합 : Mass AI와 Behavior Tree를 결합하여 복잡한 행동 패턴을 구현.
State Machine : 에이전트의 상태에 따라 행동을 전환하는 State Machine을 사용.

7. Context 및 환경 요소 반영
환경 기반 행동: 주변 환경이나 상황에 따라 에이전트의 행동을 변경하도록 시스템을 설계.
센서 및 자극 시스템: 에이전트가 감지한 정보에 따라 다른 행동을 수행하게 함.


AI 에이전트들이 각각 다른 행동을 하도록 구현하기 위해서는 
Trait, Fragment, Tag, Processor 등 Mass AI의 다양한 기능을 활용하여 데이터 중심으로 설계하는 것이 최선의 방법.