이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
전투 시스템 관련 개발 프로젝트에서 담당한 것은 시나리오 기반 AI 행동 트리 설계였습니다. 다양한 전투 상황에서 적 에이전트가 상황에 맞는 행동을 선택하도록 행동 트리 노드를 계층적으로 구성하고, 우선순위 기반 실행 로직을 구현했습니다.
실시간 처리가 핵심 요건이었습니다. 다수의 에이전트가 동시에 판단하는 상황에서 성능 저하 없이 동작하려면 행동 트리 평가 빈도와 복잡도 간 균형이 필요했고, 중요도가 낮은 판단은 프레임을 건너뛰는 방식으로 연산을 줄였습니다.
시뮬레이션 결과 검증도 담당했습니다. 동일한 시나리오에서 AI 결정이 일관되게 나오는지를 반복 실행으로 확인하고, 예상과 다른 행동 패턴이 나오면 트리 조건을 수정하는 과정을 반복했습니다.
전투 시뮬레이터 AI에서 행동 트리 노드 수가 늘어날수록 조건 분기가 복잡해져 새 행동 추가 시 기존 로직이 의도치 않게 영향을 받는 문제가 반복됐습니다. 저는 행동 트리를 전략 레이어와 전술 레이어로 계층화하고, 각 레이어가 독립적으로 작동하도록 인터페이스를 정의했습니다. 전략 레이어는 고수준 목표 판단을, 전술 레이어는 세부 행동 실행을 담당하게 분리해 노드 간 의존성을 최소화했습니다. 계층화 이후 새 적 행동 패턴을 추가할 때 기존 트리 수정 없이 새 서브트리를 플러그인 방식으로 연결할 수 있게 됐습니다. 전투 AI 설계에서 확장 가능한 구조는 계층 분리와 인터페이스 명확화에서 시작된다는 것을 이 경험에서 확인했습니다.
멀티 에이전트 전투 시뮬레이션에서 에이전트 수가 100개를 넘을 때 프레임 레이트가 급락하는 문제가 발생했습니다. CPU 프로파일러로 분석하니 매 프레임 AI 의사결정 루프가 전체 프레임 시간의 60%를 점유하고 있었습니다. 저는 모든 에이전트가 매 프레임 풀 계산을 하는 대신, 우선순위 기반 업데이트 주기를 도입했습니다. 플레이어와 거리가 먼 에이전트는 5프레임에 1회, 가까운 에이전트는 매 프레임 업데이트하도록 분류했고, 상태 변화가 없으면 이전 결정을 유지하는 캐싱을 적용했습니다. 최적화 후 200 에이전트에서도 목표 프레임레이트를 유지했고, 이 경험에서 실시간 AI 최적화는 정확도 보다 업데이트 빈도 제어가 성능의 핵심임을 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 스마일게이트 게임 클라이언트 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.