SAT-RTS: 실시간 전략 게임에서의 전술 지식 추출 및 시각화 기반 분석을 위한 체계적인 프레임워크

SAT-RTS: A systematic framework for tactical knowledge extraction and visualization-based analysis in real-time strategy games

실시간 전략(RTS) 게임의 미세 조작에서 효율적인 전술 지식 추출 및 분석은 고차원적이고 상호 연관된 상태-행동 순차 데이터와 블랙박스 형태의 의사 결정 과정으로 인해 제약됩니다. 현재 연구는 데이터 분리 및 추상화 관점에서 계층적인 시각화를 기반으로 한 설명 가능한 귀인 분석을 드물게 제공합니다. 본 논문에서는 RTS 게임에서 해석 가능하고 효율적인 전술 지식 추출 및 시각화 기반 분석을 촉진하기 위해, 상태-행동-전술 분석 파이프라인(SAT-RTS)이라는 체계적인 프레임워크를 제안합니다. 본 연구는 RTS 학습 시스템에서 중요한 의사 결정의 근본적인 원인을 밝히기 위해, 해석 가능한 시각화를 활용하여 고차원 순차 데이터로부터 잠재적인 전술 패턴을 자동으로 추출하는 방법을 통합했습니다. 제안된 프레임워크는 클러스터 중심 BK-트리 알고리즘을 적용하고, 다면적 유사성을 정량화하도록 설계된 특수 거리 측정 지표를 통합하여 강력한 상태 스트림 추상을 지원합니다. 또한, 비정형적인 상태-행동 시퀀스를 이산적이고 해석 가능한 전술 레이블로 변환하는 규칙 기반의 멀티 레이블 추출 방법을 개발하여, 원시 행동 데이터와 고차원적인 전술 통찰력 사이의 간극을 효과적으로 해소합니다. 제안된 프레임워크는 이러한 계산 방법을 계층적인 시각화 파이프라인으로 통합함으로써, 방대한 실시간 데이터 스트림 처리에 대한 과제를 해결하고, 적합도 지형 시각화와 분석적 통찰력을 제공하여 깊숙한 전술적 요인을 밝혀냅니다. 종합적인 실험 결과는 제안된 SAT-RTS가 복잡한 RTS 환경에서 전술 분석의 해석 가능성과 효율성을 크게 향상시킨다는 것을 보여줍니다.

Efficient tactical knowledge extraction and analysis in real-time strategy (RTS) games micromanagement are constrained by the high-dimensional coupled state-action sequential data and the black-box decision-making process. Current research rarely provides a hierarchical visualization-based attribution analysis from the perspective of data decoupling and abstraction. To facilitate interpretable tactical knowledge extraction and visualization-based analysis in RTS games, a systematic framework named state-action-tactic analysis pipeline (SAT-RTS) is proposed. To decipher the deep-seated drivers of critical decisions in RTS learning systems, this work integrates interpretable visualization with the automated extraction of latent tactical patterns from high-dimensional sequence data. By adapting a cluster-centric BK-tree algorithm and incorporating specialized distance metrics designed to quantify multi-aspect similarities, the proposed framework facilitates robust state-stream abstraction. Furthermore, a rule-based multi-label extraction method is developed to transform unstructured state-action sequences into discrete and interpretable tactical labels, effectively bridging the gap between raw behavioral data and high-level tactical insights. By holistically integrating these computational methods into a hierarchical visualization-based pipeline, the proposed framework effectively addresses the challenges of processing massive real-time data streams while providing fitness landscape visualizations and analytical insights to decipher deep-seated tactical drivers. Comprehensive experiments demonstrate that the proposed SAT-RTS significantly enhances the interpretability and efficiency of tactical analysis in complex RTS environments.