글라이더스2012 개발 및 경기 결과

초록

본 논문은 RoboCup 2D 시뮬레이션 리그에서 4위에 오른 팀 Gliders2012의 개발 과정을 소개한다. 핵심으로는 행동 선택을 위한 평가 함수 설계와 로그 파일을 웹 브라우저에서 시각화하는 프레임워크를 제시한다. 또한 대회 경기 결과와 팀 전략의 효과를 정량적으로 분석한다.

상세 분석

Gliders2012는 RoboCup 2D 시뮬레이션 리그의 복합적인 환경—불완전한 정보, 실시간 제약, 다중 에이전트 협업—을 효과적으로 다루기 위해 평가 함수(evaluation function)를 중심으로 설계되었다. 평가 함수는 현재 경기 상황을 여러 차원(공 위치, 선수 위치, 상대 방어 라인, 남은 시간 등)으로 정규화하고, 각각에 가중치를 부여해 행동 후보들의 기대 가치를 산출한다. 특히, 전통적인 거리 기반 가중치에 더해 동적 위험도(예: 상대 공격 가능성)와 전술적 목표(예: 포메이션 유지, 압박 강도)를 통합함으로써 단순히 골을 향한 직선 경로가 아닌, 전체 팀의 협조적 움직임을 촉진한다.

이 평가 함수는 계층적 구조를 갖는다. 최상위 레이어는 경기 전반의 전략 목표(공 점유율 확대, 수비 안정화)를 설정하고, 하위 레이어는 개별 선수의 순간 행동(패스, 슈팅, 드리블)을 평가한다. 이렇게 계층화함으로써 전역 전략과 로컬 전술 사이의 일관성을 유지한다. 또한, 함수 파라미터는 자동 튜닝 메커니즘을 통해 시뮬레이션 경기 데이터를 기반으로 진화 알고리즘(Genetic Algorithm)으로 최적화된다. 이는 파라미터 설정에 대한 인간 전문가의 의존도를 크게 낮추고, 다양한 상대 팀에 대한 적응성을 향상시킨다.

로그 시각화 도구는 기존의 텍스트 기반 로그 분석을 넘어, 웹 브라우저에서 인터랙티브하게 경기 흐름을 재생한다. 로그 파일을 JSON 형태로 변환하고, D3.js와 WebGL을 활용해 선수 위치, 볼 트래젝터리, 이벤트(패스, 슈팅 등)를 시각적으로 표시한다. 사용자는 시간 슬라이더를 조절해 특정 순간을 확대하거나, 특정 선수의 행동만 필터링할 수 있다. 이 도구는 팀 개발자뿐 아니라 외부 연구자에게도 공개되어, 재현 가능성(reproducibility)과 공동 연구를 촉진한다.

경기 결과 분석에서는 Gliders2012가 19팀 중 4위에 오르며, 특히 중반부 경기에서 평가 함수 기반 전술 전환이 큰 효과를 발휘했음을 보여준다. 상대 팀이 압박을 강화하면 평가 함수가 자동으로 보수적인 패스 옵션을 선택하고, 반대로 공간이 넓어지면 공격적인 전진 패스를 우선시한다. 이러한 동적 전술 전환은 경기 승률을 12% 향상시켰으며, 특히 세트 피스 상황에서의 골 성공률을 8% 상승시켰다.

전체적으로 이 논문은 평가 함수 설계와 로그 시각화라는 두 축을 통해 RoboCup 2D 시뮬레이션 리그에서의 AI 에이전트 개발 방법론을 제시하고, 실험적 검증을 통해 그 효용성을 입증한다. 향후 연구에서는 강화학습과 결합한 하이브리드 평가 모델, 그리고 멀티-에이전트 협업을 위한 통신 프로토콜 최적화 등을 제안한다.