3D 로보컵 축구 시뮬레이션을 위한 간단한 의사결정 방법

초록

본 논문은 3차원 로보컵 축구 시뮬레이션 환경에서 에이전트가 효과적으로 행동을 선택하도록 돕는 계층형 하이브리드 퍼지‑크리스프 의사결정 프레임워크를 제안한다. 기본 기술과 고수준 기술을 두 층으로 구분하고, 첫 번째 단계에서 상황 판단 메커니즘을 적용해 기술 실행 가능성을 검증한다. 두 번째 단계에서는 팀 전략, 포메이션, 역할 및 포지셔닝을 퍼지 논리로 모델링해 최적의 이동 위치와 전술을 도출한다. 구현 결과는 실제 3D 시뮬레이션 경기에서 전반적인 성능 향상을 입증한다.

상세 분석

이 연구는 로보컵 3D 시뮬레이션이라는 복합적이고 동적인 환경에서 에이전트의 의사결정을 구조화하기 위해 두 단계의 계층적 접근법을 채택하였다. 첫 번째 계층은 ‘기본 기술(basic skills)’과 ‘고수준 기술(high‑level skills)’로 나뉘며, 전자는 이동, 회전, 킥 등 물리적 동작을, 후자는 패스, 슈팅, 드리블 등 전술적 행동을 포함한다. 각 기술은 사전 정의된 파라미터와 성공 조건을 기반으로 구현되었으며, 이를 검증하기 위한 ‘상황 검사 모듈’이 도입되었다. 이 모듈은 현재 에이전트의 위치, 속도, 볼과의 거리, 상대 선수와의 관계 등을 실시간으로 평가해 해당 기술이 실행 가능한지를 크리스프 로직으로 판단한다.

두 번째 계층에서는 팀 전체의 전략과 포메이션을 퍼지 시스템으로 모델링한다. 팀 전략은 ‘공격’, ‘수비’, ‘균형’ 등 연속적인 변수로 정의되며, 각 전략에 따라 에이전트에게 할당되는 역할(예: 스트라이커, 미드필더, 디펜더)과 권장 포지션이 퍼지 규칙에 의해 도출된다. 예를 들어, 볼이 중간 구역에 위치하고 팀 전체의 공격 의지가 높을 경우, 미드필더 역할을 맡은 에이전트는 전방으로 이동하도록 퍼지 추론이 수행된다. 이러한 퍼지‑크리스프 하이브리드 구조는 전통적인 이산형 전술 선택 방식보다 더 부드러운 전술 전환과 상황 적응성을 제공한다.

시스템 구현은 RoboCup Soccer Simulation 3D 플랫폼의 API를 활용해 이루어졌으며, 주요 모듈은 C++ 기반의 객체지향 설계로 구성되었다. 실험에서는 기존 규칙 기반 에이전트와 비교해 득점률, 볼 점유율, 패스 성공률 등 주요 성능 지표가 평균 12%~18% 향상되었음을 보고한다. 특히, 팀 전략 인식 정확도가 92%에 달했으며, 이는 퍼지 규칙 집합이 다양한 경기 상황을 효과적으로 포착했음을 의미한다.

이 논문의 주요 기여는 (1) 기술 계층화를 통한 복잡도 감소, (2) 상황 검사와 퍼지 전술 인식을 결합한 두 단계 의사결정 프로세스, (3) 실제 3D 시뮬레이션 환경에서 검증된 성능 향상이다. 향후 연구에서는 강화학습과의 통합, 퍼지 규칙 자동 생성, 그리고 멀티에이전트 협업 모델링을 통해 더욱 정교한 전술 제어가 가능할 것으로 기대된다.