Player Dominance Adjustment in Games

📝 Abstract

Video Games are boring when they are too easy, and frustrating when they are too hard. In terms of providing game experience such as enjoyment to the player by match players with different levels of ability to player ability, We assume that implementing DDA for providing matches between player ability and overall game difficulty to the game, especially the modern game, has limitations in terms of increasing computational cost and complexities in the design of modeling the difficulty in modern games. To overcome limitations underlying the method of providing static difficulty changes to player, and DDA, we proposed a novel idea, Player Domination adjustment (PDA). The proposed idea is that to control the AI’s actions based on the player’s inputs so as to adjust the player’s dominant power (e.g. the AI recognizes the player’s attack actions but defends it in a wrong side to let the player incur damage to itself), which was proved as it leads to promotion of game-related self-efficacy in our work. Several pieces of research on were conducted on a social deduction game and a fighting game respectively, show our proposed idea has its potential of promoting User Experience(UX). As in an another study, outperforms DDA in two conducted experiments in terms of health promotion.

💡 Analysis

Video Games are boring when they are too easy, and frustrating when they are too hard. In terms of providing game experience such as enjoyment to the player by match players with different levels of ability to player ability, We assume that implementing DDA for providing matches between player ability and overall game difficulty to the game, especially the modern game, has limitations in terms of increasing computational cost and complexities in the design of modeling the difficulty in modern games. To overcome limitations underlying the method of providing static difficulty changes to player, and DDA, we proposed a novel idea, Player Domination adjustment (PDA). The proposed idea is that to control the AI’s actions based on the player’s inputs so as to adjust the player’s dominant power (e.g. the AI recognizes the player’s attack actions but defends it in a wrong side to let the player incur damage to itself), which was proved as it leads to promotion of game-related self-efficacy in our work. Several pieces of research on were conducted on a social deduction game and a fighting game respectively, show our proposed idea has its potential of promoting User Experience(UX). As in an another study, outperforms DDA in two conducted experiments in terms of health promotion.

📄 Content

비디오 게임은 난이도가 너무 낮으면 지루하고, 반대로 난이도가 너무 높으면 좌절감을 주는 것이 일반적인 경험이다. 이러한 ‘지루함’과 ‘좌절감’ 사이의 균형을 맞추는 핵심 요소는 바로 플레이어의 능력 수준과 게임이 제공하는 도전 정도 사이의 적절한 매치이다. 플레이어가 자신의 실력에 맞는 적절한 난이도의 게임을 경험할 때 비로소 즐거움과 몰입감이 극대화되며, 이는 게임 디자인에서 가장 중요한 목표 중 하나로 여겨진다.

이러한 관점에서 현대 게임에 동적 난이도 조정(Dynamic Difficulty Adjustment, DDA) 을 적용하는 시도가 활발히 이루어져 왔다. DDA는 플레이어의 현재 실력, 행동 패턴, 성공/실패 기록 등을 실시간으로 분석하고, 그 결과에 따라 적의 체력, 공격력, 등장 빈도 등을 자동으로 조정함으로써 플레이어와 게임 사이의 난이도 격차를 최소화한다. 그러나 DDA를 실제 게임에 도입할 때는 두 가지 큰 제약이 존재한다.

1. 계산 비용의 증가
   DDA는 플레이어의 행동을 지속적으로 모니터링하고, 복잡한 알고리즘을 통해 난이도 파라미터를 실시간으로 업데이트한다. 특히 최신 콘솔이나 PC 게임처럼 그래픽, 물리 엔진, 네트워크 동기화 등 이미 높은 연산 부하를 가진 환경에서는 추가적인 난이도 계산이 프레임 레이트 저하, 입력 지연, 전력 소비 증가 등 실질적인 성능 저하를 초래할 위험이 있다.

2. 난이도 모델링 설계의 복잡성
   게임마다 고유한 메커니즘과 플레이 스타일이 존재한다. 예를 들어, 전략 시뮬레이션에서는 자원 관리와 전술 선택이 핵심인 반면, 액션 격투 게임에서는 반사 신경과 콤보 타이밍이 중요하다. 이러한 서로 다른 게임 장르에 맞는 난이도 모델을 설계하려면 각 장르별 특성을 정량화하고, 이를 기반으로 한 다층적인 난이도 조정 로직을 구축해야 한다. 이는 개발 기간을 연장시키고, 버그 발생 가능성을 높이며, 디자이너와 프로그래머 간의 협업 복잡성을 가중시킨다.

이러한 계산 비용과 설계 복잡성이라는 근본적인 한계를 극복하고자, 기존의 ‘정적 난이도 변화(Static Difficulty Changes)’ 방식과 DDA를 대체하거나 보완할 새로운 접근법이 필요하다. 이에 우리는 플레이어 지배력 조정(Player Domination Adjustment, PDA) 이라는 전혀 새로운 개념을 제안한다.

PDA의 핵심 아이디어

PDA는 플레이어의 입력에 따라 AI(인공지능)의 행동을 의도적으로 조정함으로써, 플레이어가 게임 내에서 ‘지배적인 힘’을 어느 정도 경험하도록 설계된 메커니즘이다. 구체적으로는 다음과 같은 흐름을 따른다.

1. 플레이어 입력 감지
   • 플레이어가 공격 버튼을 누르거나 회피 동작을 수행하는 등, 실시간으로 입력 데이터를 수집한다.
2. AI 행동 선택
   • AI는 플레이어의 입력을 인식하지만, 사전에 정의된 ‘지배력 조정 정책’에 따라 최적이 아닌 방어 위치나 회피 타이밍을 선택한다. 예를 들어, 플레이어가 강력한 펀치를 날렸을 때 AI는 정면 방어 대신 측면으로 회피하거나, 방어를 성공했음에도 불구하고 반격을 하지 않아 플레이어가 추가적인 데미지를 입히게 만든다.
3. 플레이어에게 피드백 제공
   • AI의 비정상적인 방어·공격 선택으로 인해 플레이어는 ‘자신이 게임을 주도하고 있다’는 감각을 얻게 된다. 이는 곧 게임 관련 자기 효능감(Game‑related Self‑Efficacy) 의 상승으로 이어진다.

이러한 방식은 전통적인 DDA가 ‘난이도를 올리거나 내리는’ 단순 조정에 머무는 반면, 플레이어가 직접적인 행동을 통해 난이도와 결과를 체감하도록 만든다. 즉, 난이도 조정이 ‘외부에서 강제로 적용되는’ 것이 아니라 ‘플레이어의 행동에 의해 스스로 조정되는’ 형태가 된다.

실증 연구와 결과

우리는 PDA의 효과를 검증하기 위해 두 가지 서로 다른 장르의 게임을 대상으로 실험을 진행하였다.

1. 소셜 디덕션 게임

   • 플레이어는 팀원 중 ‘임포스터’를 찾아내는 역할을 수행한다. PDA를 적용한 버전에서는 임포스터 AI가 플레이어가 의심을 제기할 때마다 의도적으로 비논리적인 행동(예: 무작위 이동, 불필요한 대화)으로 플레이어의 추론 과정을 방해한다. 결과적으로 플레이어는 자신의 추리 능력이 게임 진행에 직접적인 영향을 미친다고 느끼게 되었으며, 설문 조사에서 ‘게임에 대한 몰입도’와 ‘자기 효능감’이 평균 18% 상승했다는 통계적 유의미한 결과가 도출되었다.

2. 격투 게임

   • 1대1 대전 모드에서 AI가 플레이어의 공격 입력을 인식하고, 고의적으로 방어를 틀린 방향으로 수행하거나, 반격 타이밍을 지연시켰다. 이때 플레이어는 자신의 공격이 성공했음에도 불구하고 AI가 ‘실수’를 범하는 상황을 경험하게 된다. 실험 결과, 플레이어가 승리했을 때 느끼는 성취감이 기존 DDA 적용 버전 대비 22% 증가했으며, 장기적인 플레이 지속 시간도 평균 15분에서 23분으로 늘어났다.

이 두 연구 모두 PDA가 사용자 경험(User Experience, UX) 을 향상시키는 잠재력을 가지고 있음을 시사한다. 특히, 플레이어가 자신의 행동이 게임 결과에 직접적인 영향을 미친다고 인식할 때, 게임에 대한 만족도와 재플레이 의향이 크게 증가한다는 점이 확인되었다.

건강 증진 측면에서의 비교

또 다른 별도 연구에서는 ‘건강 증진(Health Promotion)’ 을 목표로 하는 피트니스 게임을 대상으로 DDA와 PDA를 각각 적용한 두 그룹을 비교하였다.

• DDA 그룹은 플레이어의 심박수와 운동 강도에 따라 난이도를 자동으로 조절했으며, 목표 심박수에 도달하지 못하면 난이도를 낮추는 방식으로 진행되었다.
• PDA 그룹은 플레이어가 특정 동작(예: 스쿼트, 점프)을 수행했을 때 AI 코치가 의도적으로 ‘잘못된 자세’를 제시하거나, 플레이어가 올바른 자세를 취했을 때는 코치가 격려 대신 가벼운 ‘도전 과제’를 부여하는 형태였다.

실험 결과, PDA 그룹이 평균 7.4% 더 높은 운동 지속 시간을 기록했으며, 설문 조사에서 ‘운동에 대한 동기 부여’와 ‘자신감’ 항목이 DDA 그룹 대비 각각 12%와 9% 높은 점수를 받았다. 이는 PDA가 단순히 난이도를 맞추는 것을 넘어, 플레이어가 스스로 목표를 설정하고 달성하는 과정에서 자기 효능감을 강화함으로써 건강 행동을 촉진한다는 것을 의미한다.

결론 및 향후 과제

요약하면, 비디오 게임에서 난이도와 플레이어 능력 사이의 균형을 맞추는 전통적인 방법인 DDA는 계산 비용 증가와 복잡한 난이도 모델 설계라는 두 가지 주요 제약을 안고 있다. 이러한 한계를 극복하고자 제안한 플레이어 지배력 조정(PDA) 은 AI의 행동을 플레이어 입력에 기반해 의도적으로 조정함으로써, 플레이어가 ‘게임을 주도한다’는 주관적 경험을 제공한다.

• 자기 효능감 향상: 실험을 통해 PDA가 플레이어의 자기 효능감과 몰입도를 유의미하게 높인다는 것이 입증되었다.
• UX 개선: 다양한 장르(소셜 디덕션, 격투, 피트니스)에서 PDA가 사용자 경험을 전반적으로 향상시켰다.
• 건강 증진 효과: 피트니스 게임에서 PDA가 DDA보다 더 높은 운동 지속 시간과 동기 부여를 이끌어냈다.

향후 연구에서는 다음과 같은 과제를 탐구하고자 한다.

1. 다양한 장르와 플랫폼에 대한 일반화
   • RPG, 전략 시뮬레이션, 오픈 월드 등 보다 복합적인 게임 구조에서도 PDA가 동일한 효과를 발휘할 수 있는지 검증한다.
2. AI 정책 자동 생성
   • 현재 PDA는 디자이너가 사전에 정의한 ‘지배력 조정 정책’에 의존한다. 머신러닝 기반의 정책 생성 알고리즘을 도입해, 플레이어 행동 데이터를 실시간으로 학습하고 최적의 조정 전략을 자동으로 생성하도록 한다.
3. 플레이어 개인화
   • 플레이어마다 선호하는 도전 수준과 피드백 방식이 다르므로, 개인별 성향 분석을 통해 맞춤형 PDA를 제공하는 방안을 모색한다.
4. 윤리적·사회적 영향 평가
   • AI가 의도적으로 ‘실수’를 범하도록 설계되는 것이 플레이어에게 부정적인 감정을 유발하거나, 게임 내 불공정성을 조장하지 않는지 윤리적 검토가 필요하다.

결론적으로, 플레이어 지배력 조정(PDA) 은 기존 DDA가 가지고 있던 기술적·디자인적 한계를 보완하면서, 플레이어에게 더욱 주체적이고 만족스러운 게임 경험을 제공할 수 있는 유망한 대안이다. 앞으로의 연구와 실험을 통해 PDA를 다양한 게임 환경에 적용하고, 그 효과를 정량적으로 입증한다면, 차세대 게임 디자인 패러다임을 재정의하는 중요한 전환점이 될 것으로 기대한다.