게임 환경에서 성격을 모방하기 위한 강화 학습 방법

강화 학습(RL)은 인공 지능(AI)의 한 분야로, 상호작용과 피드백을 통한 복잡한 의사결정 모델링 능력 덕분에 게임, 직장, 행동 분석 등 다양한 응용 분야에서 인기를 얻고 있다. 기존의 성격 및 행동 평가 시스템은 종종 자기 보고식 설문에 의존하여 편향과 조작에 취약하다. RL은 에이전트-환경 상호작용을 통해 다양하고 객관적인 행동 데이터를 생성함으로써 매력적인 대안을 제공한다. 본 논문에서는 에이전트가 상황 인지 정책을 사용하여 성격 기반 행동을 시뮬레이션하고 광범위하고 현실적인 행동을 보이는 게임 환경 내 강화 학습 기반 프레임워크를 제안한다. 우리의 방법은 개방성, 성실성, 외향성, 우호성, 신경증의 OCEAN Five 성격 모델에 기반하여 심리학적 프로필을 게임 내 의사결정 패턴과 연관짓는다. 에이전트는 다양한 환경에서 작업하며, 다른 시뮬레이션 시스템(HiDAC)을 통해 모델링된 행동을 관찰하고 작업을 수행할 기술을 개발한다. 그 결과, 작업 수행과 협력 효과에 가장 큰 영향을 미치는 성격 유형과 팀 구성을 식별할 수 있다. 자가 플레이에서 파생된 상호작용 데이터를 사용하여 에이전트 성격에 기반한 행동, 의사소통 스타일, 팀 성과 간의 관계를 조사한다. 그 결과는 성능에 영향을 미치는 것 외에도, 성격 인식 에이전트가 현실적인 행동 데이터를 생성하고 적응형 NPC 개발 및 도전적인 환경에서 팀 기반 시나리오 평가를 위한 견고한 방법론을 제공함을 보여준다.