본 프로젝트는 인공지능 기술을 통해 누적되는 게임 상황 로그 데이터에서 추론되는 메타 플레이 인식을 기반으로 게이머 특성에 대응되는 게임 행동패턴을 생성시켜 플레이 유형에 따라 다양하게 변화할 수 있도록 스스로 진화하는 게임 인공지능 프레임워크를 개발하였다. 1차년도에는 스타크래프트 게임 리플레이에 대한 승패 예측 모델을 구축하고 핵심적인 게임 상황 요소를 추출하여 플레이어와 관전자 모두가 게임의 즐거움을 높일 수 있는 컨텐츠 개발을 하였다. 또한, 플레이 패턴 기반 강화학습 에이전트 생성 기술을 개발하여 인공지능과 대련할 수 있는 게임 플레이 즐거움을 높이는 연구를 진행했다. 2차년도에는 게임 플레이어의 숙련도를 리플레이 영상만으로 예측하는 연구를 진행하였고, 이를 통해 비슷한 수준을 가진 플레이어끼리 매칭될 수 있는 매칭 시스템을 개발하였다. 이어 상대방 플레이어가 어떠한 전략을 취하고 있는지를 본인 게임 정보 상황만으로 예측하는 불완전 정보 복원 모델링을 개발하여, 효과적인 전략 수립에 도움되는 결과물을 얻었다. 또한, 강화학습 알고리즘을 통해 여러 가지 게임 패턴을 가진 리플레이 영상들을 확보하고, 이를 통해 비슷한 게임 플레이 패턴을 가진 데이터를 군집하였다. 이는 비슷하거나 상이한 게임 패턴을 가진 유저끼리 매칭하는데 큰 도움을 줄 것으로 기대한다. 3차년도에는 자가지도학습과 게임 시공간 정보를 통해 불완전 정보 복원 모델링 기술을 고도화하였으며, 다양한 게임 상황에서도 다변화하며 높은 숙련도를 가진 게임 에이전트를 강화학습으로 확보하였다.