게임 정밀 관계와 정량적 메트릭

본 논문은 유한 상태 공간 위에서 무한 라운드가 진행되는 2인 동시 게임을 연구한다. 각 라운드에서 두 플레이어는 각각 자신의 움직임 집합에서 순수(move) 혹은 혼합(move, 즉 확률 분포)를 선택하고, 선택된 두 움직임에 따라 확률적 전이 함수 δ에 의해 다음 상태가 결정된다. 이러한 구조는 전이 시스템, 마코프 체인, 마코프 결정 과정(MDP) 등을 모두 포함하는 일반화된 모델이다. 논문은 먼저 이러한 게임에서 “승리 확률”이라는 개념을 정의한다. 주어진 목표(예: 특정 상태 도달, 안전 유지, ω‑regular 속성 등)에 대해, 플레이어 1이 자신의 전략을 선택하고 플레이어 2가 어떠한 대응 전략을 취하더라도 보장할 수 있는 최대 승리 확률을 ‘winning probability’라 부른다. 다음으로 상태 간 동등성(equivalence)과 거리(metric)를 정의한다. 전통적인 전이 시스템에서는 bisimulation이 상태 동등성을 정의하고, 그 커널이 0거리인 메트릭과 일치한다. 그러나 게임에서는 양쪽 플레이어가 동시에 움직이므로, 단순히 전이 분포가 동일한지를 검사하는 기존의 확률적 bisimulation은 너무 강력해 실제로는 같은 양적 μ‑계산식이 만족되는 상태들을 구분하지 못한다. 이를 해결하기 위해 저자들은 두 가지 메트릭 정의 방식을 제시한다. 첫 번째는 a posteriori 형태로, 전이 후의 확률 분포 자체를 비교한다. 두 번째는 a priori 형태로, 각 상태에서 플레이어가 선택할 수 있는 혼합 전략에 대해 기대값을 계산하고, 그 기대값의 상한·하한을 비교한다. a priori 형태는 ‘Pre_i’ 연산자를 이용해 한 라운드 뒤의 기대값을 정의하고, 이를 sup‑inf 구조로 감싼다. 마코프 결정 과정에서는 두 형태가 일치하지만, 동시 게임에서는 a priori 형태가 양적 μ‑계산식이 표현하는 모든 목표에 대해 정확한 상한을 제공한다는 것이 핵심 정리이다. 구체적으로, 저자들은 다음을 증명한다. 1. a priori 메트릭 d_A(s,t) = sup_{ϕ∈qμ}|ϕ(s)-ϕ(t)| 로 정의되는 거리와, a priori 관계(거리 0인 쌍) 사이에 일대일 대응이 존재한다. 2. 이 메트릭은 완전 격자(M) 위에서 최소 고정점을 갖는 연산자를 통해 계산 가능하며, 실제 알고리즘적 접근법도 제시한다. 3. 양적 μ‑계산식 qμ는 a priori 메트릭을 논리적으로 특성화한다. 즉, 모든 ϕ∈qμ에 대해 |ϕ(s)-ϕ(t)| ≤ d_A(s,t) 이며, 반대로 d_A(s,t) = sup_{ϕ∈qμ}|ϕ(s)-ϕ(t)|. 4. 게임이 ω‑regular 목표에 대해 결정적이라는 사실을 이용해, 플레이어 1의 승리 확률과 플레이어 2의 승리 확률이 서로 보완됨을 보인다. 이로부터 메트릭과 관계가 ‘reciprocity’ 성질을 만족한다. 즉, 한쪽 플레이어의 목표를 표현한 식과 반대 플레이어의 목표를 표현한 식이 동일한 구별력을 가진다. 5. 비대칭 버전인 시뮬레이션 관계도 정의한다. 여기서는 한 플레이어만을 기준으로 기대값을 최적화하고, 다른 플레이어는 최소화한다. 이 관계는 기존의 alternating simulation을 일반화한다. 논문은 또한 a posteriori 메트릭이 논리적 특성화와 reciprocity를 만족하지 못함을 예시와 반증을 통해 보여준다. 따라서 a priori 메트릭이 게임에 대한 “canonical” 메트릭이며, a priori 관계가 “canonical” 동등성임을 주장한다. 마지막으로, 이러한 관계와 메트릭이 시스템 검증, 근사 모델링, 상태 축소 등에 활용될 수 있음을 논의하고, 향후 연구 방향으로 효율적인 계산 알고리즘 및 확장된 목표 클래스에 대한 적용 가능성을 제시한다.