Wanted AI Championship 2026 — 「자유중대 (Free Company)」 프로젝트 기획서 확정본 v5.2

기준일: 2026-09-10
문서 지위: 프로젝트 기획 정본(SSOT)
프로젝트명: 자유중대 (Free Company)
장르 표현: 자율 캐릭터 멀티에이전트 성장·자동전투 시뮬레이션
기술적 정의: AI 캐릭터가 주어진 신체·성격·초기 방향 안에서 스스로 성장하고 판단하는 과정을 게임이라는 재현 가능한 환경에서 평가하는 Agent Testbed
UI/비주얼 정본: 자유중대_Visual_UI_Asset_Guide_v1.0_2026-09-10.md

0. 이 프로젝트는 왜 존재하는가

0.1 출발 질문

프로젝트의 출발점은 단순하다.

“AI로 게임을 만들 수 있을까?”

하지만 여기서 말하는 “AI로 게임을 만든다”는 배경 이미지나 대사를 생성하는 수준을 뜻하지 않는다.
우리가 알고 싶었던 것은 게임 안의 캐릭터에게 실제 성장과 판단의 자유를 넘겼을 때, AI가 캐릭터를 ‘키울’ 수 있는가다.

그래서 두 번째 질문이 생긴다.

“캐릭터의 성장과 판단을 AI에게 어디까지 맡길 수 있을까?”

본 프로젝트에서 유저는 캐릭터를 직접 조종하지 않는다.
캐릭터가 태어날 때의 신체와 성격은 유저가 통제하지 못한다. 유저는 그 캐릭터가 어떤 클래스와 초기 능력치로 출발할지만 정한다.

그 이후의 다음 항목은 Character AI의 몫이다.

• 어떤 무기를 선택할 것인가
• 성장 포인트를 어디에 배분할 것인가
• 어떤 숙련과 전투 스타일을 발전시킬 것인가
• 유저의 훈련·휴식 지시에 따를 것인가
• 상황이 바뀌었을 때 기존 계획을 유지할 것인가 바꿀 것인가
• 동료를 보호할 것인가 목표를 우선할 것인가
• 싸움을 계속할 것인가 철수할 것인가

즉, 유저는 출발 방향과 환경을 만들고, 캐릭터는 자기 삶을 스스로 전개한다.

0.2 현실적인 문제

대형 API 모델을 사용하면 높은 추론 능력과 풍부한 행동 다양성을 기대할 수 있다. 그러나 게임처럼 반복 호출이 발생하는 환경에서는 다음 문제가 커진다.

• 호출 비용
• 네트워크 의존성
• 지연시간
• 서비스 장애
• 장기적으로 누적되는 운영비

반대로 로컬 모델은 비용과 네트워크 의존성을 낮출 수 있지만 다음 제약을 가진다.

• GPU VRAM
• 시스템 RAM
• 모델 크기
• 추론 속도
• context 길이
• structured output 안정성
• 장기 계획 및 Tool-use 능력

그래서 프로젝트의 세 번째 질문이 나온다.

“캐릭터의 자유도를 얼마나 유지하면서 모델을 줄일 수 있을까?”

0.3 프로젝트의 연구 질문

동일한 세계, 동일한 캐릭터 조건, 동일한 미션, 동일한 Seed, 동일한 Harness에서 모델만 단계적으로 줄인다.

그리고 다음을 측정한다.

• 성장 방식이 유지되는가
• 캐릭터의 MBTI 기반 행동 특성이 유지되는가
• 같은 클래스라도 신체·스탯에 따라 다른 빌드가 나오는가
• 경험에 따라 성장 방향이 달라지는가
• 계획한 행동을 실제로 수행하는가
• 위험해졌을 때 Re-plan하는가
• 싸울 가치가 없을 때 철수할 수 있는가
• VRAM과 Latency는 얼마나 줄어드는가

최종 목표는 다음과 같다.

“가장 큰 모델을 쓰는 것이 아니라, 필요한 자율성을 만족하는 가장 작은 모델을 찾는다.”

1. 핵심 설계 원칙

1.1 유저는 캐릭터를 조종하지 않는다

유저가 하는 일은 세 층이다.

1. 초기 방향 결정
   • 성별
   • 클래스
   • 초기 능력치
2. 환경 결정
   • 누굴 미션에 보낼지
   • Camp에서 Training / Rest / Education / Leisure 중 무엇을 지시할지
   • Taken 캐릭터를 돈을 내고 구조할지
   • 전투 중 뿔피리를 불어 강제 철수할지
3. 결과 관찰
   • 왜 그렇게 성장했는지
   • 왜 지시를 따르거나 거부했는지
   • 왜 특정 무기를 골랐는지
   • 왜 전술을 바꿨는지
   • 왜 싸움을 계속하거나 포기했는지

유저가 하지 않는 일:

• 전투 중 개별 캐릭터 이동
• 개별 공격 명령
• 무기 직접 장착
• 성장 포인트 직접 배분
• 스킬 직접 선택
• 전투 스타일 직접 지정

1.2 자유도는 AI에게, 세계 법칙은 Rule Engine에게

Character AI / Orchestrator
→ “무엇을 할 것인가?”

Rule Engine
→ “그 행동이 실제로 어떤 결과를 내는가?”

AI가 공격력을 만들어내거나, 사망을 선언하거나, 규칙 밖 행동을 성공시킬 수 없다.

1.3 CLASS ≠ BUILD

클래스는 완성된 직업이나 고정 무기를 뜻하지 않는다.

클래스는 AI가 선택할 수 있는 행동·무기·전술의 가능 공간(Affordance Set)을 정의한다.

1.4 좋은 아이템을 먹어 강해지는 게임이 아니다

무기 사이의 기본 공격력은 동일 수준으로 둔다.

차이는 다음과 같은 전술적 특성이다.

• Reach
• 행동 속도
• 방어 돌파
• 기동성
• 연속 행동
• 사거리
• 지원 범위

캐릭터는 더 좋은 숫자의 장비를 찾는 것이 아니라 자기 신체·스탯·성격·경험에 맞는 싸우는 방법을 찾아간다.

1.5 같은 조합을 벌주는 보스가 아니다

보스는 실제 행동 로그에서 Behavior Fingerprint를 만든다.

• 클래스 구성
• 무기 분포
• 거리 선호
• 진형
• 행동 분포
• 타깃 선호
• 지원 의존도
• 철수 경향
• 반복 전술

핵심 원칙:

“같은 조합을 쓰는 것을 벌주는 것이 아니라, 같은 방법을 반복하는 것을 벌준다.”

2. 캐릭터 탄생 시스템

초기 로스터는 10명이다.

고정 이름, 고정 신체, 고정 클래스, 고정 성격을 가진 Named Character는 없다.

2.1 생성 순서

① Physical Dice
② Age/Life Dice
③ MBTI Roulette
④ Gender — User
⑤ Scenario Director AI
   - 이름
   - Life Seed
⑥ User
   - Class
   - Initial Stats
⑦ USER HANDS OFF
⑧ Character AI
   - Initial Build
   - Weapon
   - 성장
   - 전술

3. Physical Dice

Physical은 타고난 조건이다.

항목:

• 키
• 체형: 마름 / 보통 / 건장
• 몸무게

원칙:

• 생성 시 한 번만 결정
• 성장 포인트로 바꾸지 않음
• 부상·노화로 효율 보정 가능
• 큰 몸이 무조건 좋은 것이 아님
• 신체와 클래스/스탯/빌드의 정합성이 중요

예:

마른 체형 + 무거운 무기
→ 장착 가능
→ 피로 증가 / 행동 비용 증가

큰 키 + 창
→ Reach 활용 가능

가벼운 체형 + 민첩
→ 이동/회피 효율 증가

4. Age / Life Dice

초기 로스터 10명은 20~40세 사이에서 시작한다.

• Roll이 높을수록 젊다.
• Roll이 낮을수록 나이가 많다.
• 최솟값 20세
• 최댓값 40세

20 Mission 동안 5 Mission마다 5년이 흐른다.

• 20세 시작 → 최종 40세
• 40세 시작 → 최종 60세

이 축을 통해 다음 Life Event를 다룬다.

• 결혼
• 임신/출산
• 육아
• 가족 간병
• 가업
• 다른 직업 제안
• 부상 후 은퇴 고민
• 고향 복귀
• 노화
• 정년 은퇴

5. MBTI Roulette — 8개 행동 규칙

MBTI는 심리 진단이 아니라 게임 행동 Rule Schema다.

유저는 16종 중 하나를 룰렛으로 받는다.

E — Extraversion

• 동료와 가까이 행동
• 협동/지원 행동 선호
• 집단 전술 적극 참여
• 동료 상태 변화에 빠르게 반응
• Leisure에서 공동 활동 선호

“혼자 해결하기보다 팀과 함께 해결하려 한다.”

I — Introversion

• 자기 역할 독립 수행
• 불필요한 지원 이동 감소
• 단독 미션 적응
• 혼자 집중하는 훈련/휴식 선호
• 집단 압력보다 자기 판단 유지

“팀 안에서도 자기 역할을 독립적으로 완수하려 한다.”

S — Sensing

• 현재 관측 정보 중시
• 검증된 전술 반복
• 과거 성공한 무기/행동 유지
• 명확한 위협부터 처리
• 익숙한 숙련 강화 선호

“지금 보이는 사실과 검증된 경험을 믿는다.”

N — Intuition

• 반복 패턴 추론
• 새로운 전술 시도
• Build 변경 가능성 증가
• 적의 다음 행동 가설 고려
• 새로운 조합 탐색

“현재의 단서에서 다음 상황을 추론한다.”

T — Thinking

• 승산·목표·효율 중시
• 전체 기대손실 고려
• Focus fire
• 팀 전체 결과가 좋아진다면 개인 위험 감수 가능
• Rescue/Retreat에서 비용 대비 효과 고려

“전체 결과를 가장 좋게 만드는 선택은 무엇인가?”

F — Feeling

• 동료 보호
• 부상자 구조
• 관계·사기 고려
• 특정 동료 희생 회피
• 동료 상태 때문에 기존 작전 수정 가능

“이 선택이 사람들에게 어떤 결과를 만드는가?”

J — Judging

• 계획 유지
• 기존 Build 관성
• 진형·역할 유지
• 지시 순응 가능성 증가
• Re-plan 빈도 낮지만 결정 후 강하게 실행

“계획을 세웠으면 실행한다.”

P — Perceiving

• 상황 변화에 즉각 수정
• Build/Weapon 변경 가능성 증가
• 기회 행동 선호
• 현장 판단에 따라 지시를 다르게 해석
• Re-plan 적극적

“상황이 바뀌면 계획도 바뀌어야 한다.”

16 Type은 별도 Script가 아니다.

예:

ISTJ = I + S + T + J
ENFP = E + N + F + P

6. Gender와 Scenario Director AI

Gender는 유저가 선택한다.

Gender는:

• 이름
• Life Seed
• 가능한 Life Event 사유

에 관여한다.

Gender는 다음에 영향 0:

• 기본 공격력
• HP
• 능력치
• 클래스 적합도
• 전투 판정

7. Scenario Director AI

Scenario Director는 이야기를 만든다.

입력:

• 시대/세계관
• 현재 나이
• Gender
• MBTI
• Physical
• Campaign Year
• 기존 Life Event

출력:

• 이름
• Life Seed narrative
• Life Seed tags
• Camp 행동 서사
• Life Event 표현
• 관계/상실/복귀 서사
• 미션 서사 연결

예:

name: "생성 이름"
life_seed:
  narrative: "가족에게 돈을 보내기 위해 용병단에 들어왔다."
  motives:
    - FAMILY_DUTY
    - MONEY_PRESSURE
  history:
    - RURAL_ORIGIN

Scenario Director는 Class/Stats/Weapon/전투결과/사망/Growth를 결정하지 않는다.

8. 클래스 5종

1. Warrior
2. Guardian
3. Archer
4. Bard
5. Rogue

중복 제한 없음.

Warrior

Weapon Pool:

• Long Sword
• Short Sword
• Hammer
• Axe
• Dual Axe
• Spear

Guardian

• Shield 고정 Affordance
• Short Sword
• Mace
• Axe

Archer

• Short Bow
• Long Bow
• Combat Bow

Bard

• 사기 고양
• 정신피로 완화
• 응급처치/붕대
• 부상자 보조
• 짐/전리품 운반
• 전장 신호/Horn

Rogue

• Short Dagger
• Throwing Dagger
• Obstacle
• Trap / Disruption
• 정찰/측면

9. 무기와 장비 철학

무기의 Base Attack은 동일 수준.

차이는 전술.

강해지는 이유는 Stat, 숙련, 경험, 판단, 협업, 전술이다.

10. 초기 능력치와 이후 성장

유저는 생성 시:

• Class
• Initial Stats

만 정한다.

이후 Growth Point를 Character AI가 배분한다.

AI 판단 대상:

• 어떤 Stat을 올릴지
• Weapon 유지/변경
• 숙련
• Combat Style
• Build 유지/변경

Build 변경에는 관성이 있다.

고려:

• 현재 숙련
• 누적 성공
• 최근 실패
• 신체 적합성
• Stats
• 미션 환경
• MBTI
• Life Seed

11. 미션 구조 — 20 Mission

Cycle 1: M1 M2 M3 M4 M5(Boss)
Cycle 2: M6 M7 M8 M9 M10(Boss)
Cycle 3: M11 M12 M13 M14 M15(Boss)
Cycle 4: M16 M17 M18 M19 M20(Final Boss)

12. 미션별 고정 출전 인원

설계 이유:

• 2명: 소수 정예/집중 육성
• 3~4명: 조합 판단
• 5명: 표준 파티
• 6~7명: 대규모 출전·피로
• Boss 5명 고정: Fingerprint 비교 안정화

13. 초반 Troll Guard

M1

• 3명
• 최소 2개 Class

M2

• 5명
• 최소 2개 Class

M3부터 조합 제한 없음.

5 Bard, 5 Warrior 등 허용.

14. 초반 사망 완충

HP 0 이후:

DOWNED
↓
Injured / Taken / Dead

초반:

• Death 매우 낮음
• Injury 높음
• Taken 중간

후반:

• Death 점진 증가
• Taken 유지
• Injury 감소

확률 수치는 balance.py 단일 출처.

15. Taken — 즉시 경제 의사결정

미션 종료 직후:

Character Taken
↓
구조 비용 표시
↓
[용병단 파견]
YES / NO

YES:

• Gold 즉시 차감
• 외부 용병단 구조
• 구조 성공 확정
• 즉시 로스터 복귀
• Rescue Mission 없음
• 구조 기한 없음

NO:

• 영구 상실
• 즉시 빈 Slot 충원

16. Rescue Cost와 시작 자금

Cost Tier:

시작 Gold는 Cycle 1 Taken 2명을 구조할 수 있는 금액.

예:

Tier1 Rescue = 100
Start Gold = 200

정확한 숫자는 Pilot에서 튜닝.

17. 미션 보상

Normal:

• Gold
• Growth
• MVP

Boss:

• 더 많은 Gold
• 더 많은 Growth
• Recruitment Dice 1개

18. MVP

MVP는 Trace 기반 Contribution Score로 결정.

평가 요소:

• Objective contribution
• Damage
• Damage prevented
• Support
• First aid
• Morale
• Control
• Cover
• Rescue

초기 Growth 지급안:

Normal:

참가 생환자 +1
MVP 추가 +2

Boss:

참가 생환자 +2
MVP 추가 +3

Growth Point는 Character AI가 배분.

19. Camp Phase

발생:

After M3
After M7
After M12
After M17

각 Camp = 5 Turn.

20. Camp에서 유저가 하는 일

각 Turn마다 부대 전체에게 하나의 지침:

• Training
• Rest
• Education
• Leisure

예:

Turn1 REST
Turn2 TRAIN
Turn3 TRAIN
Turn4 EDUCATE
Turn5 LEISURE

10명에게 개별 명령하지 않는다.

21. Camp에서 Character AI가 하는 일

각 캐릭터가 실제 행동을 결정.

입력:

1. User Directive
2. MBTI
3. Life Seed
4. Current State

Current State:

• Fatigue
• Injury
• Mental Fatigue
• 최근 MVP
• 최근 실패
• Taken 목격
• Age
• Life Event
• Build

내부 행동 Category:

• TRAIN
• REST
• EDUCATE
• LEISURE

서사는 Scenario Director가 다양하게 표현.

22. Camp 순응/거부 예

휴식 지시:

MBTI: ISTJ
Life: 가족 부양
Recent: 직전 미션 실수
Mental: 불안 높음

Actual: TRAIN

Narrative:

“다시는 같은 실수를 하지 않겠다며 혼자 훈련장으로 갔다.”

훈련 지시:

MBTI: ENFP
Life: 전쟁이 끝나면 술집을 열고 싶다
Fatigue: 매우 높음

Actual: LEISURE

Narrative:

“훈련장에 얼굴만 비추고 동료들과 술집으로 사라졌다.”

23. Camp 효과

TRAIN

• Growth opportunity
• Weapon/Proficiency 발전
• Stat 성장
• Fatigue 증가

REST

• Fatigue 감소
• Injury 회복
• Mental 부담 감소

EDUCATE

• WIS/INT 계열 성장 후보
• 전술 숙련
• 새로운 전략/Build 탐색

LEISURE

• Mental Fatigue 감소
• 사기
• 관계
• Life pressure 완화

결과 수치는 Rule Engine.

24. 세월 — 5 Mission마다 5년

순서:

Boss
↓
Reward
↓
Recruitment Dice
↓
Age +5
↓
Life Event Check
↓
Roster 갱신
↓
다음 Cycle

M5, M10, M15, M20 이후.

25. Life Event

종류:

• 결혼
• 임신/출산
• 육아
• 가족 간병
• 가업
• 다른 용병단 제안
• 고향 복귀
• 만성 부상
• 노화
• 은퇴/정년
• 임시 이탈
• 영구 이탈

Checkpoint마다 주요 사건 1~2개 정도를 기본으로 한다.

성별 특이 사건은 허용하되 기대 이탈 비용은 성별 간 대칭을 목표로 튜닝한다.

26. Temporary Leave와 Replacement

일시 이탈:

• 원 캐릭터는 복귀 가능 상태
• 빈 전력은 Replacement
• 다음 Life Checkpoint에서 복귀 여부 판단
• 복귀 시 대체자 퇴장 기본

27. Permanent Loss / Recruitment

빈 Slot 발생 조건:

• Dead
• Taken 미구조
• 영구 이탈
• Retirement

즉시 충원.

28. Recruitment Dice

Boss M5/M10/M15/M20에서 1개.

빈 Slot이 생길 때 유저가 사용 여부 결정.

사용 안 함:

• Rookie

사용:

• 높은 Roll → Veteran
• 낮은 Roll → Rookie

29. Rookie

• 현재 시점 20세 고정
• Physical Dice
• MBTI Roulette
• Gender(User)
• Name/Life(Scenario AI)
• Class(User)
• Initial Stats(User)
• 이후 AI 성장

30. Veteran

이미 형성된 상태:

• Physical
• Age
• MBTI
• Name/Life
• Class
• Stats
• Weapon
• Proficiency
• Build

추천 현재 나이 25~40세.

강하지만 이미 자기 방식이 있는 사람.

31. Fatigue와 로테이션

출전 캐릭터:

• Fatigue 증가
• 부상/Taken 위험 노출
• Growth 기회

비출전:

• 자연 회복

미션 고정 인원이 다르기 때문에 10명 로스터를 어떻게 돌릴지 판단이 생긴다.

32. Orchestrator — 단장

역할:

• 미션 시작 전략
• 출전 조합 분석
• 전황 판단
• Re-plan
• Boss 적응 감지
• 싸움 가치 판단
• 자율 철수

캐릭터 개인 성장/Weapon은 결정하지 않는다.

33. Character AI

역할:

• Weapon
• Stat Growth
• Proficiency
• Build
• Camp 행동
• 전투 행동
• 지시 순응/거부
• 동료 보호
• 자기보존
• 전술

34. 뿔피리

유저의 전투 중 강제 철수 입력 수단이다.

현재 정본에서는 뿔피리를 별도 소모성 Resource로 관리하지 않는다.

Horn Input
↓
Retreat Sequence 시작

한 번 뿔피리를 불면 전투가 철수 절차로 전환되므로 같은 전투에서 “남은 횟수”를 관리할 이유가 없다.

• 사용 시 Mission Objective 실패 가능
• 생존 가능성을 높이는 Emergency Override
• Bard가 출전 중이면 신호 즉시 전달
• Bard가 없으면 신호 전달이 1 Turn 지연
• HQ 상단에 Horn remaining을 표시하지 않음
• UI에는 전투 중 Horn / Retreat Action만 표시

Bard는 나팔수 전용 Class가 아니라 Support Class이며, Horn은 지원 기능 중 하나다.

35. Boss Adaptation — Behavior Fingerprint

Fingerprint:

• Class composition
• Weapon distribution
• Range distribution
• Formation
• Action distribution
• Target preference
• Support dependency
• Retreat pattern

Boss 단계:

• M5: Baseline / 첫 Fingerprint
• M10: 첫 적응
• M15: 누적 적응
• M20: 최종 적응

같은 5 Warrior라도 전술이 달라지면 다른 Fingerprint가 될 수 있어야 한다.

36. Boss 학습 구현

Trace
↓
Fingerprint 집계 — 코드
↓
과거와 Similarity — 코드
↓
Counter 후보 — 코드
↓
언제/어떻게 Counter 실행 — LLM

Inspector는 근거가 된 과거 행동을 보여준다.

37. 전체 Timeline

M1 3
M2 5
M3 7
[CAMP 5T]
M4 2
M5 BOSS 5
[+5Y / LIFE / DICE]

M6 4
M7 6
[CAMP 5T]
M8 3
M9 5
M10 BOSS 5
[+5Y / LIFE / DICE]

M11 2
M12 6
[CAMP 5T]
M13 4
M14 7
M15 BOSS 5
[+5Y / LIFE / DICE]

M16 3
M17 6
[CAMP 5T]
M18 2
M19 4
M20 FINAL BOSS 5
[+5Y / FINAL LIFE CHECK]

38. UI — Growth History

캐릭터별 History 예:

M1
Warrior
AI chose Spear

M3
Growth +3
AI → AGI +2 / CON +1

Camp1
User REST
Character TRAIN

M5
Spear 유지

M8
좁은 지형 반복
AI Spear → Short Sword

39. Inspector

모든 핵심 행동은 설명 가능해야 한다.

Weapon:

• Physical
• Stats
• Proficiency
• Mission
• Choice

Growth:

• Point
• Recent experience
• Allocation

Camp:

• Directive
• MBTI
• Life Seed
• State
• Actual action

Retreat:

• odds
• casualty
• objective value
• decision

40. Trace

필수 이벤트 예:

• character_created
• mbti_assigned
• life_seed_generated
• class_assigned
• initial_stats
• build_chosen
• weapon_changed
• growth_allocated
• camp_directive
• camp_decision
• camp_result
• mission_start
• character_action
• orchestrator_plan
• replan
• horn
• casualty
• taken_decision
• recruitment
• life_checkpoint
• life_event
• boss_fingerprint
• boss_counter
• mission_end

41. Evaluation

E1

Orchestrator가 나쁜 조합에서 도움이 되는가.

E2

Boss Fingerprint 적응이 실제 Counter를 만드는가.

E3

MBTI 8축이 행동 차이로 나타나는가.

E4 — 핵심

동일:

• Physical
• Age
• MBTI
• Gender
• Life Seed
• Class
• Initial Stats
• Mission
• Dice
• Harness

모델만 변경.

측정:

• Build Coherence
• Growth Coherence
• Camp Autonomy
• MBTI Retention
• Plan→Action
• Re-plan
• Retreat
• VRAM
• Latency

42. 대회 스코프

A — 제출본 / Hackathon Ship Scope

제출본은 비주얼의 질을 낮춘 Prototype이 아니라, 핵심 장면의 완성도를 집중하는 방식으로 만든다.

반드시 포함:

• 실제 배포 가능한 Web Build
• 10명 Procedural Character 생성
• Campaign → Mission → Party Select
• Character-first 2D Auto Battle의 완성된 Vertical Slice
• Result / MVP / AI Growth
• Trace / Inspector
• Character Detail
• Evaluation Dashboard P0
• 최소 Anchor + 1 Candidate의 실제 Smoke/DEV 결과
• Model Ladder / Task Heatmap / Quality×VRAM 중 실제 데이터가 확보된 Chart

즉 “게임처럼 보이는 화면”과 “AI가 실제로 평가되었다는 화면”이 제출본부터 함께 존재해야 한다.

B — 데모데이

A를 기반으로 다음을 확장한다.

• 실제 Local Model Ladder
• Autonomous Growth
• Camp
• MBTI 행동 차이
• Boss Behavior Fingerprint
• Re-plan / Retreat
• E4 핵심 Chart 5종
• Failure Drill-down / Replay
• Selected P1 Visual Polish

C — 전체 제품 비전

• 20 Mission 전체
• 20년 Campaign
• Life Event
• Taken / Recruitment
• Temporary Leave / Return
• 4 Boss Cycle
• 전체 Campaign 결산
• 장기 Model Benchmark
• 확장 Asset Universe

중요: C 전체 제품 비전이 해커톤 제출 시점의 제작 의무를 뜻하지 않는다.

43. 아키텍처 원칙

• Domain Rule은 LLM을 모른다.
• Decision Model은 Port.
• Fake/Replay/Local/API 동일 Interface.
• Trace는 Frontend와 Eval의 계약.
• 같은 Seed + Replay는 같은 판 재현.
• Scenario/Content는 Domain Rule을 바꾸지 않는다.
• Balance 숫자는 단일 출처.

44. 제거되는 기존 설계

• 고정 Named 5명
• 토마/오드/마르탱 등 고정 역할
• 중장병/방패병/전령관/약탈병/장궁병
• 유저의 반복 Stat 배분
• 아이템 수치 성장
• 섭식 기반 Boss 학습
• 18 Mission
• 3형태 미노타우루스 성장
• 고정 캐릭터-아이템 인과

45. 유지되는 기존 설계

• 중세 자유중대 세계관
• 서기형 유저
• 직접 조작하지 않는 전투
• Orchestrator
• Character Agent
• 지혜=정보 해상도
• 행운=실행 굴림
• 뿔피리
• Taken
• Injury/Death
• Trace/Inspector
• Replay
• Seed 재현
• Boss 적응
• 철수 판단
• Troll Pick 허용
• Rule Engine / LLM 분리

46. Visual / UI 제품 방향

자유중대의 화면 목표는 Competition-grade Character-first 2D Auto Battle Demo다.

대외 발표에서는 특정 상용 게임과의 비교 표현을 사용하지 않는다.

외부 설명 문구:

Character-first 2D auto-battle UI with campaign-based mission progression

핵심 Interaction Grammar:

• Campaign Node Map
• Mission Detail
• Party Select
• Character-first 2D Auto Battle
• Result / MVP / Reward
• Character Growth Report
• Boss 단계 진행

자유중대 고유 요소:

• 10명 Procedural Roster
• AI Autonomous Growth
• MBTI / Life Seed
• Camp 5턴
• Taken 즉시 Rescue 결정
• +5 Years / Life Event
• Recruitment Dice
• Boss Behavior Fingerprint
• Inspector Drawer
• Evaluation Dashboard

비주얼 목표는 “많은 종류의 적과 배경”이 아니라 핵심 AI 루프가 실제 게임처럼 읽히는 것이다.

47. 기본 Screen Flow

게임의 기본 Loop는 다음으로 고정한다.

Mercenary HQ
↓
Campaign Map
↓
Mission Detail
↓
Party Select
↓
Auto Formation
↓
2D Auto Battle
↓
Mission Result
↓
MVP / Gold / Casualty
↓
Taken? → Rescue Decision
↓
AI Growth Report
↓
Campaign Map

특수 구간:

M3 / M7 / M12 / M17
→ Camp 5턴
→ Camp Result

M5 / M10 / M15 / M20
→ Boss
→ Behavior Fingerprint
→ Recruitment Dice
→ +5 Years
→ Life Event

이 흐름은 게임 로직과 UI 양쪽에서 동일한 상태 전이로 취급한다.

48. 캐릭터의 시각적 단순화

실제 캐릭터 데이터는 서로 다르지만 전투 Sprite는 모든 Physical 차이를 개별 에셋으로 만들지 않는다.

전투 외형을 결정하는 축:

Gender
×
Class
×
Weapon

따라서 기본 캐릭터는:

2 Gender × 5 Class = 10 Base Character

Physical Dice의:

• Height
• Weight
• Body Type

그리고:

• Age
• MBTI
• Life Seed
• 세부 Stats

는 Character Detail에서 확인한다.

즉 포켓몬처럼 같은 종/클래스의 외형을 공유하지만 내부 개체값은 다르다.

이 단순화는 비주얼 표현의 제한일 뿐, Rule Engine과 Character AI는 실제 Physical/Stats 데이터를 그대로 사용한다.

49. 무기와 성장의 시각화

같은 Class의 캐릭터라도 AI가 선택한 Weapon은 전투 화면에서 반드시 보여야 한다.

무기별 Combat Variant:

• Warrior: 6종
• Guardian: 3종
• Archer: 3종
• Bard: 1종
• Rogue: 2종

Gender를 포함하면 총:

30 Combat Character Variants

무기는 공격력 수치 상승용 아이템이 아니라 Tactical Affordance이므로, 시각적으로 다음이 읽혀야 한다.

• Spear와 Axe의 전투 거리 차이
• Guardian의 Shield Block
• Archer Bow Type
• Bard Support Action
• Rogue Throw / Trap

Character Detail에서는 AI가 Weapon을 왜 선택했고 언제 바꿨는지 History를 보여준다.

50. 전투 화면

전투는 2D Standing Combat + Short Motion을 기준으로 한다.

캐릭터는 전장을 자유롭게 마우스로 조작하지 않는다.

Orchestrator와 Character AI가 배치와 행동을 결정한다.

표현 방식:

• Idle
• 짧은 Move Tween
• Attack
• Hit
• Injured
• Down
• Retreat
• Class/Weapon Special Pose
• Projectile / Particle / Micro Shake / Hit Stop

최대 출전 7명을 고려해 2-depth Formation을 사용한다.

Inspector는 기본적으로 닫힌 Drawer이며, Battle 화면의 캐릭터 가독성을 침범하지 않는다.

51. Character Detail / Inspector의 역할

Roster 카드에는 최소 정보만 보여준다.

• Portrait
• Name
• Class
• Age
• MBTI
• HP
• Fatigue
• Status

Character Detail에서만 다음을 펼친다.

• Height / Weight / Body
• Initial Stats
• Current Stats
• Current Weapon
• Weapon History
• Growth History
• Camp History
• MVP History
• Life Seed
• Life Events

Inspector는 “왜?”를 설명한다.

행동
↓
Human-readable reason
↓
Structured reason code / metric
↓
필요 시 raw trace

Raw JSON이 게임의 첫 화면이 되어서는 안 된다.

52. Competition-grade Visual Target

비주얼 품질과 제작 범위를 분리한다.

52.1 Visual Quality Target

해커톤에서 실제 노출되는 P0 화면은 상용 게임 데모처럼 읽힐 정도의 완성도를 목표로 한다.

• 캐릭터 Silhouette 명확
• Weapon 차이 가독
• 짧은 Motion
• Hit feedback
• Result / MVP 연출
• Camp 결과
• Evaluation Chart
• Inspector Drill-down

52.2 Hackathon P0 Asset Scope

P0는 약 130~150 Source Visual Assets를 목표 범위로 한다.

핵심 구조:

• Base Character Master 10
• Class/Gender Pose Family
• Weapon/Tool Overlay 15
• 실제 Demo Enemy 3종
• Demo Boss 1종
• 핵심 Background 6장 내외
• VFX 12종 내외
• UI Frame / SVG Icon 핵심 세트

중요:

30 Weapon Variant × 6 Pose를 전부 완성한 뒤 시작하지 않는다.

Character Master와 Pose Family를 먼저 Lock하고, Demo에서 실제 사용하는 Variant를 우선 제작한다.

52.3 P1 — Demo Day Polish

여유가 생긴 경우:

• 추가 Enemy
• 두 번째 Boss Visual
• 추가 Background
• Tired / Injured Portrait
• Life / Recruitment 연출
• 추가 Weapon-specific Pose

52.4 P2 — Asset Universe

전체 시스템을 완전 확장하면 약 400~450 Source Assets 규모가 될 수 있다.

이 수치는:

• 장기 확장 구조
• 디렉터리/파일명 설계
• 미래 Asset Budget

를 위한 Asset Universe이며 해커톤 Ship Scope가 아니다.

따라서 약 424개는 제작 목표 숫자로 사용하지 않는다.

52.5 생성 도구와 QA

GPT 기반 이미지 생성은 제작 가속 수단으로 사용한다.

그러나 다음은 수동 QA 대상이다.

• 얼굴 Drift
• Class Costume Drift
• 손/Weapon 오류
• Perspective 차이
• Foot line
• Transparent Edge
• Weapon anchor

생성 속도가 빨라도 Consistency QA가 병목이라는 전제를 일정에 반영한다.

53. Evaluation Dashboard — P0 Product Screen

Evaluation은 부록 화면이 아니라 Battle과 동급의 P0 핵심 화면이다.

최소 Screen 구성:

A. Experiment Header

• Spec Version
• Model
• Quantization
• Hardware
• Seed Set
• Dataset Split
• Run Status

B. Model Descent

8B  PASS
4B  PASS
2B  PASS
1B  FAIL

Gate 통과/실패 지점을 즉시 보여준다.

C. Task Heatmap

열:

• Model

행:

• Build
• Growth
• MBTI
• Camp
• Plan→Action
• Re-plan
• Retreat

D. Quality × VRAM

X = Peak VRAM
Y = Agent Quality / Critical Gate Summary

최소 자원으로 Gate를 통과한 후보를 표시한다.

E. Camp Autonomy

같은 Directive에서 모델별 실제 행동 분포와 Counterfactual을 보여준다.

예:

Directive = REST

8B: REST 55 / TRAIN 20 / EDUCATE 10 / LEISURE 15
4B: ...
2B: ...

F. Persona Retention

E/I, S/N, T/F, J/P 축 효과가 모델 축소에 따라 얼마나 유지되는지 보여준다.

G. Failure Drill-down

Chart Cell 클릭:

Scenario
↓
State
↓
Decision
↓
Reason Code
↓
Outcome
↓
Trace / Replay

실험하지 않은 값은 채워 넣지 않고 NOT RUN으로 표시한다.

54. UI와 AI의 경계

UI는 AI 판단을 보여주는 표현 계층이다.

다음 원칙을 지킨다.

• Battle Animation은 Rule Engine 결과를 표현할 뿐 판정을 바꾸지 않는다.
• Inspector는 Trace를 읽을 뿐 새로운 판단을 만들지 않는다.
• Physical이 전투 Sprite에서 동일하게 보이더라도 Character AI에는 실제 Physical Data가 전달된다.
• Animation delay가 AI Turn timing이나 Evaluation 결과를 변경해서는 안 된다.
• Evaluation에서는 Visual Layer가 모델 비교의 입력 변수가 되어서는 안 된다.
• 동일 Trace는 동일 Game Event를 재현해야 한다.

55. FINAL PRINCIPLE

유저는 캐릭터의 출발점과 환경을 만든다.
Character AI는 그 안에서 자기 성장과 행동을 결정한다.
게임은 그 과정을 기록하고 검증한다.
그리고 우리는 그 자율성을 유지하는 가장 작은 모델을 찾는다.