ETRI 기술이전 홈페이지

- 본 이전기술은 게임, 이스포츠, 쇼핑몰, 이러닝, 온라인 디바이스 진단, 기업 워크플로우, 국방/정책 모의 시뮬레이션 등 다양한 장르의 온/오프라인 서비스에서 누적되는 사용자들의 로그 데이터로부터 사용자들의 가상 공간 속 메타 행동 특징 속성을 추출하여 학습하는 행동 예측모델을 구축하고, 사용자 행동 특징을 모사하거나 가상공간 속 콘텐츠의 체험 숙련도를 스스로 진화시키는 자율진화형 에이전트 생성모델을 확보하여, 이를 기반으로 사용자들의 서비스 내 이용형태 결과를 예측하여 해당 온라인 서비스에 최적화된 운영 요소를 추천하는 기술에 관한 것임
- 본 이전기술은 온라인 서비스를 이용하는 사용자들의 행동 이벤트에 따라 누적되는 상황 로그 데이터를 활용하여, 추론되는 메타 플레이 인식을 기반으로 사용자들의 성향분석/군집화/행동예측/요인추출/특성정합과 함께 사용자 행동특징에 대응되는 에이전트 행동패턴을 생성시켜 사용자 유형에 따라 다양하게 변화할 수 있도록 스스로 진화하는 인공지능 프레임워크를 제공하는 기술임

- 온라인 콘텐츠 서비스 중 모바일 게임, 웹툰, VOD 서비스, IP TV 등의 경우 최근 부분 유료화 (Free-to-Play, F2P) 형태로 출시되고 있는 경우가 증가함에 따라, 콘텐츠 서비스 이탈 예측뿐만 아니라 구매 예측은 부분 유료화 모델의 주요 이슈로 대두되고 있음
※ 부분 유료화: 사용자가 무료로 서비스 이용앱을 설치하여 사용할 수 있으며, 선택적으로 서비스 내 재화, 부가 아이템 등을 앱 내 결재 (In-App Purchases, IAPs)를 통해 획득할 수 있는 콘텐츠 서비스
- 본 이전기술은 사용자 행동분석 및 대응 에이전트 생성을 위한 대규모 사용자 대상 온라인 서비스 모델 전반에 걸쳐 적용이 가능한 반면, 경쟁 기술들은 주로 본 기술의 일부 기술인 행동 예측 모델링으로만 국한되어 있음
. 모바일 부분 유료화 콘텐츠에 대한 사용자 이탈 예측 모델링 방법 : Hadiji et al. [1]과 Lee et al. [2]은 콘텐츠 서비스 이탈의 개념을 정의하고 실제 서비스 환경에서의 이탈을 예측하였으며, Runge et al. [3]은 고가치 사용자를 분류하고 이들에 대한 서비스 이탈 예측을 수행하였음
. 모바일 부분 유료화 게임 콘텐츠 서비스에 대한 구매 예측 모델링 방법 : Xie et al.[4]은 게임 서비스 이용 로그 이벤트 빈도수에 따른 게임 서비스 이탈 예측 및 구매 예측 모델을 제시하였으며, Sifa et al. [5]은 게이머 행동 관점에서 게이머의 구매 결정에 관한 연구를 수행하였음

- 온라인 서비스 내 발생하는 행위 데이터 기반 사용자 행동 모델 구축으로 사용자 선호도/경향 분석 가능
- 신규 콘텐츠, 차기작 기획으로 이어지는 비즈니스 전략 수립에 필요한 온라인 서비스 사용자들의 요구사항 분석
- 온라인 서비스 내 구성요소와 사용자 간의 상호작용으로 발생 가능한 가상공간 속 행동예측 기반의 상황 예측 리포팅 지원
- 관리자에 의해 임의지정되는 운영 조건을 대상으로 단계적인 설정과 최적화가 가능한 서비스 운영 시나리오를 자동생성
- 스스로 진행하는 콘텐츠 서비스의 환경적응 행동 학습을 기반으로, 플레이 경험이 늘어남에 따라 수행 역량이 지속적으로 증진되는 자가진화형 에이전트 운용
- 유형별 사용자 특유의 플레이 방식이나 개성을 분석하고, 이를 자가학습에 이용하여 변이 에이전트 생성이 가능한 인공지능 엔진의 구축
- 실·가상 플레이어 로그 데이터를 기반으로 서비스 운영 프로세스를 다양한 관점에서 분석하기 위해, 요인해석이 가능한 인공지능 시각화 플랫폼 구축

단계 : 7 기술의 성숙도란?

<적용분야>
본 이전기술은 온라인 사용자 행동 속성뿐만 아니라 서비스 내 환경 요소와 연계하여 인공지능 에이전트 서비스 및 협력 플레이, e-스포츠 방송, 게임 콘텐츠 저작도구, 온라인 서비스 운영 분야, 콘텐츠 생애 주기 시뮬레이션 검증 분야, 진화형 인공지능 응용 분야, 서비스 리스크 관리 분야 등에 적용이 가능함
ㅇ e-스포츠 게임 등 방송 중계 분야
- 방송 해설, 진행 분석을 위한 상황 인식 리포팅 및 승률 예측
- 행동 특징 분석 지표에 따르는 게이머 자동 분류 제공
- 대전 상대 매치메이킹 특성화 전략 분석 리포팅 생성
ㅇ 인공지능 에이전트 적용 분야
- 온라인 서비스 내 각종 NPC, 펫 등 대전상대 및 협업 가능 에이전트 생성
- 행동패턴 자동 생성에 의한 숙련도 지도용 지능형 트레이닝 모드
- 세분화된 숙련도의 비정형 변이 에이전트 기반 다양한 대전모드 생성
- 영화나 각종 영상에 활용 가능한 인공지능 캐릭터 자동 생성
ㅇ 지능형 콘텐츠 서비스 QA 및 밸런스 검증 분야
- 진화형 NPC 기반 콘텐츠 환경 탐색으로 기능 테스트 QA 자동화
- 다양한 사용자 특성을 학습하는 변이 에이전트 기반 지능형 게임 분석 (Game Analytics) 도구
- 대규모 온라인 서비스 앱/웹/SW 대상 베타테스트 시뮬레이션 검증
ㅇ 인공지능 통합형 콘텐츠 저작 도구 분야
- 절차적 콘텐츠 생성(PCG)을 지원하는 자율형 콘텐츠 제작 환경
- 신규 지형 및 구조물 배치에 따르는 동선 확인 및 오류 검증 저작 도구
- 콘텐츠 저작 도구 내 모듈 단위의 디버그 및 논리 오류 확인 자동화
ㅇ 공공서비스 품질을 위한 대중 시뮬레이션 분야
- 사용자 특성 학습 에이전트 생성에 의한 제도/법규 적용 모의실험
- 공공서비스, 경제 정책 문제점 분석을 위한 가상 군중 시뮬레이션
ㅇ 대규모 워게임 전술지능 및 재난/위급 상황 시뮬레이션 분야
- 전면전 또는 국지도발을 가정한 상황의 모의 군사 훈련
- 각종 천재지변 및 대형 화재 등 긴박한 사고 대처의 모의 훈련용 인공지능 에이전트 활용

<기대효과>
- 본 기술의 주요 수요처는 온라인 서비스 개발 및 제공 업체로, 국내외 대기업뿐만 아니라 상대적으로 기술 완성도가 낮은 다수의 중소기업들을 주요 대상으로 일정 수준의 수요처 확보가 가능할 것으로 보임
. 이전기술의 적용 시 초기 투자비용이 많지 않기 때문에, 다수의 중소기업들에게도 상용화 가능성이 높을 것으로 보임
- 본 기술의 상용화 시 데이터 기반의 객관적이고 체계적인 관리 운영을 통해 서비스 수명 연장과 고수익 콘텐츠 확대가 기대됨

<기술이전 내용>
1세부기술 : 숙련도 대응 플레이 요소 추출 기술
- 게이머 숙련도 분석을 위한 인게임 플레이 요소 추출 인터페이스 기술
- 이종 장르 간 숙련도 대응 공통 플레이 요소 추출 기술
- 인게임 플레이 요소 분석 기반 숙련도 예측 기술

2세부기술 : 게임 결과 예측 모델링 기술
- 게임 결과 예측을 위한 게임 속성 추출 기술
- 인게임 플레이 속성 분석 기반 게임 결과 예측 모델링 기술
- 게임 결과 대응 인게임 플레이 요인 분석 기술

3세부기술 : 게임 플레이 자가 학습형 에이전트 생성 기술
- 게임 내 마이크로 플레이 패턴 기반 자가 학습 모델링 기술
- 에이전트간 적대적 자가 학습 모델링 기술
- 숙련도 요소 조합형 에이전트 생성 기술
- 강화학습 기반 계층적 행동 에이전트 생성 기술

4세부기술 : 게이머 특징 대응 변이 에이전트 생성 기술
- 인게임 플레이 기반 게이머 특성 데이터 추출/정련 기술
- 게이머 행동 특성 기반 학습 데이터 분류 기술
- 행동 특성 분류별 에이전트 모델링 기술

5세부기술 : 에이전트 학습 모델 시각화 기술
- 인게임 에이전트 세부 행동 데이터 정련 기술
- 메타 플레이 기반 게임 에이전트 행동 학습 시각화 기술
- 게임 에이전트 행동 정보 모니터링 기술

<기술이전 범위>
1세부기술 : 숙련도 대응 플레이 요소 추출 기술
- 게이머 숙련도 분석을 위한 인게임 플레이 요소 추출 인터페이스
- 이종 장르 간 숙련도 대응 공통 플레이 요소 추출 모듈
- 인게임 플레이 요소 분석 기반 숙련도 예측 모듈

2세부기술 : 게임 결과 예측 모델링 기술
- 게임 결과 예측을 위한 게임 속성 추출 모듈
- 인게임 플레이 속성 분석 기반 게임 결과 예측 모델
- 게임 결과 대응 인게임 플레이 요인 분석기

3세부기술 : 게임 플레이 자가 학습형 에이전트 생성 기술
- 게임 내 마이크로 플레이 패턴 기반 자가 학습 모델
- 에이전트간 적대적 자가 학습 모델
- 숙련도 요소 조합형 에이전트 생성기
- 강화학습 기반 계층적 행동 에이전트 생성기

4세부기술 : 게이머 특징 대응 변이 에이전트 생성 기술
- 인게임 플레이 기반 게이머 특성 데이터 추출/정련 모듈
- 게이머 행동 특성 기반 학습 데이터 분류기
- 행동 특성 분류별 에이전트 모델

5세부기술 : 에이전트 학습 모델 시각화 기술
- 인게임 에이전트 세부 행동 데이터 정련 모듈
- 메타 플레이 기반 게임 에이전트 행동 학습 시각화 도구
- 게임 에이전트 행동 정보 모니터링 모듈

비독점적 통상실시권 계약체결일로부터 5 년간 ※ 정액기술료(단위:천원)

구분	중소기업	중견기업	대기업
정액기술료	200,000	600,000	800,000

3 개월 / 3,470 천원정(부가세 별도) 세부기술별 기술료는 다음과 같습니다.
- 1세부기술 : 중소기업 40,000천원, 중견기업 120,000천원, 대기업 160,000천원
- 2세부기술 : 중소기업 40,000천원, 중견기업 120,000천원, 대기업 160,000천원
- 3세부기술 : 중소기업 50,000천원, 중견기업 150,000천원, 대기업 200,000천원
- 4세부기술 : 중소기업 50,000천원, 중견기업 150,000천원, 대기업 200,000천원
- 5세부기술 : 중소기업 20,000천원, 중견기업 60,000천원, 대기업 80,000천원

기술개발 발표당시	지능형지식콘텐츠연구실 양성일 (042-860-6335, siyang@etri.re.kr)
현재	실감상호작용연구실 양성일 (042-860-6335, siyang@etri.re.kr)

기술이전실 박양화 (042-860-, parkyh@etri.re.kr)