### 프로젝트 요약

게임 개발에서 캐릭터 애니메이션은 플레이어의 몰입감을 극대화하는 핵심 요소 중 하나입니다. 하지만 현실적으로 애니메이터가 모든 동작을 수작업으로 제작하기에는 시간과 비용이 많이 소요됩니다. 본 프로젝트는 자동화된 애니메이션 생성 기술을 활용하여 이러한 문제를 해결하고, 캐릭터의 움직임에 감정 표현을 추가하여 게임의 사실감과 몰입감을 높이고자 했습니다.

### 1. 프로젝트 배경 및 목표

### 1.1 문제점

- 수작업 애니메이션 제작은 많은 시간과 노력이 필요하며, 효율성이 떨어짐.
- 감정이 포함된 애니메이션은 더 많은 리소스를 요구.

### 1.2 프로젝트 목표

- 최신 연구를 활용하여 자동화된 목적 기반 애니메이션과 감정 표현이 포함된 애니메이션을 생성.
- 강화학습을 통해 플레이어와 상호작용하는 자연스러운 캐릭터 동작을 구현.
- Unreal Engine을 활용한 실시간 시각화로 게임 개발에의 적용 가능성을 검증.

### 2. 연구 활용 및 기술적 접근

### 2.1 Character Controllers using Motion VAEs (SIGGRAPH 2020)

이 논문은 목적 기반 애니메이션 생성에 초점을 맞추고 있습니다. 이를 활용하여 캐릭터가 특정 목표(예: 목적지로 달리기)를 향해 움직이는 자연스러운 동작을 생성하였습니다.

1. 데이터 준비
- `bvh` 파일을 모델 학습에 적합한 `npz` 포맷으로 변환.
- Random Walk(무작위 걷기) 데이터를 학습하고 Bullet 물리엔진에서 시각화.

결과: 일반적인 Animation Blueprint에 비해 더욱 자연스럽고 부드러운 움직임 구현.

2. Unreal Engine에서의 시각화
- Joint 모델 생성 후 TCP 통신으로 Joint 위치 데이터를 Unreal Engine에 전달.
- Unreal Engine 상에서 Random Walk 데이터를 활용하여 캐릭터의 움직임을 시각화.

### 2.2 강화학습 기반 움직임 생성

강화학습을 통해 캐릭터가 단순한 Random Walk를 넘어 플레이어를 추격하는 행동을 학습하도록 설계하였습니다.

1. 보상 시스템 설계
- 플레이어에 가까워질수록 높은 보상, 멀어질수록 음의 보상을 부여.
- 이를 통해 캐릭터가 플레이어를 적극적으로 추격하도록 유도.
2. 학습 과정
- 초기: 플레이어를 제대로 따라가지 못함.
- 중반: 플레이어 근처로 이동하지만, 추격 행동은 미숙.
- 최종: 플레이어를 효과적으로 추격하는 행동 학습 완료.
결과: Blueprint 기반 구현보다 훨씬 자연스러운 추격 동작을 확인.


### 2.3 MotionCLIP을 활용한 감정 기반 애니메이션

MotionCLIP 기술을 활용하여 캐릭터의 움직임에 감정을 추가하였습니다. 예를 들어, "화난 상태로 달리기" 모션을 학습하여 적용했습니다.

1. 감정 기반 모션 학습
- 감정 표현 데이터 준비 및 학습.
- Bullet 엔진에서 감정 기반 모션(Random Walk with Emotion)을 시각화.


2. 감정 + 목적에 맞는 모션 생성
- 감정 표현을 포함한 애니메이션 데이터와 강화학습을 결합.
- 최종적으로 "화를 내며 플레이어를 추격"하는 자연스러운 동작을 Unreal Engine에서 구현.


### 3. 결과 및 실용성

본 프로젝트는 애니메이션 제작의 자동화와 감정 기반 캐릭터 동작 생성이라는 두 가지 주요 목표를 성공적으로 달성하였습니다.

### 결과 요약

- 목적 기반 움직임(Random Walk, 추격) 생성 성공.
- 감정 표현이 포함된 애니메이션 학습 및 시각화 구현.
- 강화학습을 통해 캐릭터가 플레이어와 실시간 상호작용하는 자연스러운 행동 학습.

### 활용 가능성

- 게임 내 NPC 동작 및 감정 표현 자동화.
- 애니메이션 제작 효율성 향상 및 비용 절감.
- 다양한 장르의 게임, 특히 오픈월드와 몰입형 스토리 기반 게임에서 활용 가능.