제 목 :
[NDC 2022] 니트로스튜디오 김진호 개발자, '온라인 게임은 현실과 다르다'
작성자 :
등록일 : 2022-06-08 오후 12:53:22
넥슨 개발자 콘퍼런스(Nexon Developers Conference, NDC) 1일 차인 6월 8일, 니트로 스튜디오 RND 유닛 김진호 개발자는 '<카트라이더: 드리프트> 머신러닝을 활용한 위치 예측 개선’에 대해 강연을 진행했다.
김진호 개발자에 따르면 '카트라이더'에서 위치 예측이 필요한 이유는 현실과 게임이 다르기 때문이다. 시각정보와 위치정보가 일치하는 현실과 달리 온라인 게임에서는 다른 유저가 움직인 위치를 서버를 통해 전달받기 때문에 네트워크 지연 시간이 발생한다. 네트워크 지연을 고려하지 않을 경우 대상이 보이는 곳과 다른 장소에 있을 수 있다.
기존 '카트라이더'는 네트워크 지연문제를 해결하기 위해 등속 예측 모델을 활용했다. 가장 최근에 서버에 입력된 위치와 속도, 예측해야 하는 시간 차이를 고려해 예상 위치를 계산해 출력하는 방식이다. 네트워크 상태가 안 좋을수록 갱신이 늦어져 예상 위치와 실제 위치에 차이가 생긴다.
'카트라이더: 드리프트'는 글로벌 서비스를 제공하는 만큼 서버 지연이 더 길어지는 문제가 있었다. 정속 주행 상황에서는 큰 문제가 없었으나 주행 방향이 급격히 바뀌는 드리프트 주행은 큰 차이가 생겼다. 개발진은 이 문제를 해결하기 위해 머신 러닝을 도입했다.
개발팀은 우선 머신 러닝을 위해 목표를 세웠다. 정속 주행은 현 모델에서도 예측에 문제가 없는 만큼 드리프트 주행에 집중했으며, 글로벌 서비스를 위해 다소 높은 네트워크 지연 상태인 레이턴시 100ms를 상정했다. 상황이 빠르게 변하는 레이싱 게임이기 때문에 최대한 연산량을 줄였다.
처음에는 매 패킷에 제공되는 정보를 분석해 드리프트를 사용할 때 일정 시간 후 최종 위치를 예측하는 모델을 구축했으나, 드리프트 시작 위치가 결과에 영향을 준다는 점을 고려해 최종 위치 대신 위치 변화량을 예측하는 머신 러닝 모델을 구축했다.
첫 번째로 사용된 머신 러닝 모델은 선형 회귀(Linear Regression) 모델이었다. 현재 제공되는 패킷뿐만 아니라 과거에 제공된 패킷을 활용해 패킷에는 포함되지 않는 변화량 데이터를 계산해 예측에 활용했으며, 기존 모델과 비교해 오차가 70% 가량 개선됐다. 특히 레이턴시가 높아질수록 기존 모델보다 낮은 오차를 기록했다.
그러나 비선형적 데이터를 선형 회귀 방식으로 해석하며 오차 개선에 한계가 찾아왔다. 개발팀은 딥러닝을 통해 이 문제를 해결하기로 결정하고, 여러 딥러닝 모델 중 가장 연산량이 적은 DNN 방식을 채택했다. DNN 활성화 함수로는 가장 널리 사용되는 ReLU를 개선한 Leaky ReLU를 사용했으며, 러닝이 반복될수록 모델이 점점 무거워지는 문제를 해결하기 위해 중요 데이터만 추출해주는 GLU(Gated Linear Unit) 함수를 도입했다.
이렇게 완성된 DNN-GLU 모델은 기존 모델 및 선형 회귀 모델과 비교해 압도적으로 낮은 오차율을 기록해 성공적인 머신러닝 사례를 기록했다. 개발팀은 여기에 안주하지 않고 보다 높은 레이턴시 상황과 유저 실력과 패턴, 맵 특징까지 분석해 학습하는 새로운 모델을 만들기 위해 노력하고 있다.
인터뷰/업체탐방
[NDC 2022] 니트로스튜디오 김진호 개발자, '온라인 게임은 현실과 다르다'
총 2484의
게시물이 있습니다. 
