자동 플레이를 활용한 레벨 공동 창작 도구 개선

초록

본 논문은 슈퍼마리오 브라더스 레벨 편집기 Morai Maker에 자동 경로 탐색(A* 기반)과 생존 분석을 도입해 레벨의 플레이 가능성 검증과 난이도 추정 기능을 제공한다. 사용자는 클릭만으로 두 지점 사이의 도달 가능성을 시각화하고, 다수의 변형 A* 에이전트를 통해 해당 구간의 도전 정도를 정량적으로 파악할 수 있다. 이를 통해 인간 디자이너는 레벨이 완성되기 전에도 플레이어 입장에서의 검증과 난이도 조정을 수행한다.

상세 분석

이 연구는 레벨 공동 창작(mixed‑initiative) 시스템에서 “플레이 가능성”과 “도전 난이도”라는 두 핵심 품질을 자동화된 도구로 보완하려는 시도다. 기존 Morai Maker는 머신러닝 기반 AI 파트너가 레벨 조각을 제안하지만, 물리 엔진 모델이 없어서 AI가 만든 요소가 실제로 플레이 가능한지 보장하지 못했다. 논문은 이를 해결하기 위해 두 가지 A* 기반 모듈을 설계했다. 첫 번째는 A Reachability Check*이다. 슈퍼마리오의 점프, 중력, 충돌 규칙을 A* 연산자 형태로 추상화해, 사용자가 마우스로 지정한 시작점과 목표점 사이에 최소 비용 경로가 존재하면 검은 선으로 시각화한다. 경로가 없을 경우 아무것도 그려지지 않아 즉시 플레이 불가능성을 알 수 있다. 이 과정은 레벨이 아직 완성되지 않은 중간 단계에서도 적용 가능하므로, 디자이너가 “잠재적 블록”을 배치하면서도 즉시 검증할 수 있다.

두 번째는 A-based Survival Analysis*이다. 여기서는 동일한 A* 경로를 여러 에이전트에게 할당하고, 각 에이전트마다 목표 노드에 도달하기 위한 허용 오차(threshold)를 무작위로 부여한다. 이는 인간 플레이어가 최적 경로를 완벽히 따르지 못하고, 실수하거나 반응 시간이 차이 나는 상황을 모사한다. 에이전트가 목표 지점까지 도달한 비율을 “생존율”로 표시하고, 화면 오른쪽 상단에 실시간으로 집계한다. 이 수치는 절대적인 난이도 척도가 아니라, 같은 구간 내에서 상대적인 난이도 비교에 유용하다. 또한, 에이전트 수와 허용 오차 범위를 사용자가 조정할 수 있어, 보다 보수적인 검증이나 도전적인 설계 목표에 맞게 튜닝이 가능하다.

기술적으로는 기존 Mario AI Benchmark에서 입증된 A* 구현을 차용했으며, 물리 연산자를 정확히 정의함으로써 점프 높이, 가속도, 적 충돌 등 복잡한 게임 메커니즘을 경로 탐색에 포함시켰다. 이는 일반적인 GVGAI 기반 에이전트와 달리 “최적 경로”를 보장하므로, 레벨 디자이너가 기대하는 ‘가능한 플레이’와 ‘예상 난이도’를 직접적으로 측정할 수 있게 한다. 논문은 또한 이 두 모듈이 기존 Morai Maker의 UI에 자연스럽게 통합될 수 있음을 시연하고, 사용자가 키보드 ‘P’와 마우스 클릭만으로 즉시 검증을 수행하도록 설계했다.

이러한 접근은 레벨 디자인 워크플로우에서 “플레이 테스트”와 “난이도 조정”을 별도의 반복 작업이 아니라, 실시간 피드백 루프로 전환한다는 점에서 의미가 크다. 특히 초보 디자이너가 자신의 레벨이 실제 플레이어에게 어떻게 보일지를 사전에 감지함으로써, 설계 의도와 구현 사이의 격차를 줄일 수 있다. 또한, 자동화된 난이도 추정은 레벨 간 비교, 튜토리얼 단계 설계, 혹은 적절한 난이도 곡선을 만들기 위한 데이터 수집에 활용될 수 있다.

그러나 한계도 존재한다. A* 기반 경로는 물리 규칙을 완전하게 모델링하지 못할 경우 오탐지를 일으킬 수 있으며, 생존 분석에 사용되는 무작위 허용 오차가 인간 플레이어의 실제 행동 패턴을 충분히 반영하지 못한다는 점이다. 또한, 현재 구현은 2D 플랫폼 게임에 특화돼 있어 다른 장르나 복잡한 물리 엔진을 가진 게임에 바로 적용하기는 어려울 수 있다. 향후 연구에서는 보다 정교한 행동 모델링, 머신러닝 기반 난이도 예측, 그리고 멀티플레이어 환경에 대한 확장을 고려해야 할 것이다.