Q2 데이터 베이스 기반 재학습 관련 : 최종으로 만들어 보고 싶은 모델은 계속 입력되는 소리 데이터를 저장하여, 저장된 데이터를 기반으로 특정 주기(ex : 12시간, 1일, 7일)마다 다시 학습을 하여, 프로그램 사용 현장에서 생성되는 더 많은 데이터 셋으로 주기마다 발전하는 모델을 만들어보려고 합니다. 이러한 모델을 만들기 위해서 데이터 베이스에 데이터는 어떻게 저장해야 할지, 데이터 베이스에 저장되어 있는 데이터로 어떻게 모델을 재학습 시켜야 할지 질문드립니다.

원래 주제로 간다면 로그인을 구현할지 고민중인데 중장년, 노년층을 목적으로 하다보니 번거롭다는 의견이 있어 고민중에 있습니다. 로그인에 대한 서버 관리 부분에 대한 멘토님의 생각과 앱관련해서 어떤 모델들을 실무에서 많이 쓰는지 궁금합니다.

저희는 실제 기업/창고에서 사용하는 시스템을 목표로 하고 있어 Kaggle, Github 외에도 공공데이터포털, 열린데이터광장 등에서 실무와 유사한 데이터를 최대한 찾아 DB를 구축하려 하고 있습니다.

실제 현장에서 입출고 이력, 팔레트/AGV 상태 및 위치, 작업 이벤트 등 이런 데이터는 어떤 항목/포맷/범위로 구성되는지 실무적으로 표준이 있거나 추천해주실 만한 양식/예시(공개 가능/익명 데이터)가 있다면 공유나 추천해주실 수 있는지 부탁드리고 싶습니다.

더불어 실제 기업이나 물류 WMS에서 활용되는DB, 테이블, 데이터셋 구조에 대한 실무 팁이나 참고 사례, 혹은 데이터를 얻을 수 있는 경로도 알려주시면 큰 도움이 될 것 같습니다.

강화학습 실험에 쓸 시뮬레이션 데이터는 어떻게 생성·설계해야 ‘실제성’과 ‘신뢰도’를 높일 수 있는지 궁금합니다.

저희는 현재 유니티(Unity)로 강화학습 환경을 구축하고 있습니다.

추후에는 성능 평가도 정량적 지표(예: 누적보상, 충돌률, 처리속도 등)로 할 예정입니다만,

시뮬레이션 데이터 설계·생성에 있어서 실제 물류 현장과 유사성을 높이고, 실험 결과의 신뢰도를 올리는 추가적인 방법이 있다면 조언 부탁드립니다.

실제 산업 현장에서는 복수 AGV 경로최적화에 어떤 알고리즘이 더 많이 쓰이는 지 알 수 있을까요?

논문 기반의 PPO 알고리즘을 튜닝하는 방법으로 구역별 독립시행(안전, 혼잡 등) 후 MAPF 경로 최적화로 하이브리드 운영할 계획입니다.

저희 주 타겟층은 중소/중견기업의 물류창고 정도로 AGV가 멀티로 운영된다 하더라도 수십대가 넘지 않는다고 가정할때,

AGV 운영에 있어서 어떤 알고리즘을 주로 사용하는지 알고 싶습니다.

실운영에 있어서 현장 적합성, 성능, 관리 용이성면에서 저희 강화학습 기법이 괜찮을지 여쭤보고 싶습니다.

현장 환경 변화(장애물, 긴급 오더, AGV 고장 등)에 대해 RL 경로/작업 할당 등은 실제로 어떻게 적용, 보완하고 재학습하는지 궁금합니다.

저희는 보상함수를 효율, 안전, 비용 세 관점에서 설계·튜닝하려고 하는데,

실시간성은 실제로 어떻게 반영하시는지, 실무 현장에서는 보상설계와 정책 튜닝을 어떤 식으로 접근하시는지에 대해 구체적인 사례나 노하우, 또는 실패/보완 경험도 듣고 싶습니다.

또한 하이브리드 방식(RL+CBS)을 저희가 구축한 창고 레이아웃/업무흐름에 적용할 때,

꼭 고려해야 할 점이나 피해야 할 점이 있다면 조언 부탁드립니다.

저희는 아직 강화학습 시나리오별 테스트, 이상 탐지, 실시간 대응 등 WMS 상에서 실제로 어떻게 운영하는 지에 대한 실무 경험과 데이터가 부족합니다.

실제 창고/물류 현장에서는 AGV, 작업자, 시스템 이벤트(충돌, 병목, 비상상황 등) 이런 각종 데이터와 로그를 실시간으로 어떻게 수집·모니터링·관리하는지, 그리고 이상 상황(충돌, 정체 등) 발생 시 실시간으로 탐지/알림/대응하는 표준적인 운영 방법이나 데이터 품질(오류, 누락, 비정상값 등) 관리에 대해 실제 경험이나 사례, 또는 꼭 알아야 할 사항이 있다면 조언을 부탁드리고 싶습니다.

AGV/창고 자동화에서 실무적 보안(인증, 접근, 암호화 등) 적용 시 필수 체크포인트나 실수하기 쉬운 점, 혹은 권고사항이 있으실까요?

도입 전, 실험, 인프라 구축, 데이터 설계, 운영 등 어떤 부분에서든 멘토님의 경험, 노하우, 현업 사례 등 실질적인 조언주시면 감사히 듣겠습니다! 멘토링 때 뵙겠습니다. 감사합니다.

Q2. Spring Boot를 백엔드로 쓸 때 라즈베리파이와의 통신은 어떤 방식으로 하는지, 추천되는 방법이 있는지 궁금합니다.

Q3. 현재 현업에서도 현재 프로젝트의 주제인 비전검사를 통한 저수율 공정을 통해 나오는 제품들 속에서 고수율의 제품을 선별해내는 것이 실제로 경제적 가치가 있는 주제일까요?

1-1. 멀티모달에서 경량화를 위해서는 late-fusion 모델을 사용한다고 하는데, mid-fusion이 멀티모달 학습에서 정확도는 더 높아서 mid-fusion으로 학습을 진행하고 추론과정에서는 late-fusion으로 변환하기도 한다고 들었습니다. 아래의 두 방식 중에 정확도와 경량화 및 구현난이도를 고려했을 때 어떤 방식으로 진행하는 것을 추천하시나요?

a. late-fusion

b. mid-fusion을 사용하고 추론 시 경량화된 late-fusion 구조로 변환

1-2. 실제 Edge 환경(모바일, 저사양 노트북 등)에서 실시간 멀티모달 추론 서비스를 구현할 때, 가장 흔하게 발생하는 성능 병목 요소는 무엇이며, 그에 대한 효과적인 최적화 전략은 어떤 게 있을까요?

💡2. ‘집중도’에 대한 정의

저희는 학습자의 집중도를 실시간으로 측정하는 시스템을 구축 중입니다.

현재 사용하고자 하는 데이터셋이 [집중,집중하지않음,졸음]으로 라벨링이 되어 있어, 집중도를 다음과 같이 정의하고자 합니다 :

60분동안 매 10초마다 입력을 받아 모델이 “집중” 혹은 “집중하지 않음”으로 예측하면, 이 결과 값의 횟수를 비율로 환산, 그리고 집중 키워드가 연속으로 나올 경우 더 높은 가중치를 주어 점수가 계산

→ 이와 같은 저희의 설계 방식(분류+ 시계열 기반 가중치 점수화)은 실무적으로 괜찮은 접근일까요, 혹은 보완해야 할 점이 있다면 어떤 부분일까요?

💡3. 서비스 고도화 방향

저희는 단순 집중 측정에서 그치지 않고, 집중 구간 분석, 과목별 취약점 탐지, 개인 집중 리듬 분석 등으로 확장하려고 합니다. 예를 들어 “수학은 오전에 더 집중도가 높다”는 식의 학습 리듬 기반 리포트 생성도 고려 중입니다. 이런 집중도 데이터를 기반으로 한 고급 분석/추천 서비스로 확장하려면, 실무에서 어떤 분석 지표나 데이터 해석 방식을 주로 사용하나요?

💡4. 입력 데이터셋 처리 방향

4-1. 학생마다 표정 습관(예: 무표정이 기본 상태)이 달라 집중도 예측에 bias가 생기는데, 이를 모델이 개인화 없이 어느 정도 보정할 수 있는 일반적인 방법이 있을까요?

4-2. 특정 모달리티가 결측되거나(특히 음성) quality가 떨어질 때, 해당 모달을 아예 제거하고 모델이 동작할 수 있게 만들려면 어떤 구조가 일반적으로 쓰이나요?

💡5. 실질적인 개인화 시스템으로 발전시키기 위해 어떤 추가적으로 필요한 데이터가 있을까요?

<멘토링 질문 내용>

[프론트 질문사항]
안녕하세요! 수어 통번역 앱/웹 프로그램을 제작하는 프로젝트에서 프론트엔드 역할을 맡고 있는 학생들입니다. 멘토님께 질문드릴 수 있게 되어 영광입니다.
현재 프론트는 react 활용하여 웹과 앱 모두 제작을 목표로 하고있습니다. 
3가지 파트(기술 구현, 협업 및 구조, UX/UI 관련)로 나누어 조언 여쭙습니다.

< 기술 구현 React 관련>
1. React에서 실시간 카메라 입력을 다루기 위해 어떤 라이브러리나 방법을 추천하시나요? - 카메라 입력은 처음이라 관련해서 기존에 레퍼런스 코드가 있는 지 여쭙습니다.
2. 실시간 번역 결과가 자주 바뀔 수도 있을 것같은데 setState로 갱신하는 방식이 너무 많아지면 그 방식을 유지하는 것이 맞는지 아니면 어떤 식으로 비동기 처리 흐름을 해야할 지 모르겠습니다.
3. React 에서 수어 인식 모델을 연동할 때 AI 파트에서 학습하는 mediaPipe 를 직접 연동(?) 하는 건가요 아니면 늘 하던 방식으로 API를 호출해서 해야하는 건가요?
4. 만약 더 나아가 수어를 3d 아바타로 구현하게 된다면 관련 기술을 대략적으로나마 가르침 받고싶습니다..!
5.  나중에 웹에서 앱으로 확장하게 되면 웹캠으로 받던 걸 휴대폰 카메라로 받게 될 텐데 ios랑 안드로이드 같은 운영체제별로 따로 앱을 만들어야 하는지 아니면 다른 방법이 있는지 궁금합니다.
6. 휴대전화 마다 성능이 너무 달라서 어느 휴대전화에서는 작동하는데 또 다른 휴대전화에서는 작동하지 않을 수도 있는데 어떻게 최적화 해야 하는 지 궁금합니다.

<협업/구조 관련>
1. 백이랑 연동할 때 수어 인식 결과를 API로 받아오는 경우, 응답 속도 문제나 프론트 처리 속도 차이가 많이 나서 번역이 뒤쳐지게 될 경우 맞추는 방법이 있나요?
2. 프로그램 상 실시간 영상과 번역 결과가 송출될텐데 컴포넌트를 어떻게 나누는게 좋을까요? 또한 디렉터리 구조 역시 궁금합니다.

<UX/UI 관련>
1. 사용자 장치에서 카메라 권한이 없거나 끊긴 경우, UX적으로 어떻게 예외 처리를 구성하면 좋을 지 고민입니다.
2. 수어 사용자나 청각장애인을 위한 프로젝트에서 가장 주요한 UI/UX 적 요소가 있을까요?
------------------------------------
[백엔드 질문 사항]
1. 수어를 읽어오는 과정에서 openCV를 활용해 처리하려고 합니다. 이 때 데이터 베이스 설계를 어떻게 해야 할지 그리고 더 효율적인 방법이 있는지 궁금합니다.

[DevOps 질문 사항]
1. 현재 기계학습 모델을 EC2에 연결하여 별도의 서버를 구동한 다음, api 요청/응답 형식으로 서버와 통신하려 합니다. EC2 이외에 더 효율적인 컴퓨팅 옵션이 있는지, 이것이 합리적인 선택인지 궁금합니다.
2. 회원 정보 등록 과정을 AWS 람다로 처리하려 합니다. 이것이 합리적인 선택인지 여쭤보고 싶습니다.
------------------------------------
[AI 질문 사항]
- 김찬혁 (수어 -> 단어 구현 담당)
1. 현재 기획과 구상 중에 미디어 파이프와 yolo 모델을 이용하여 수어 -> 단어or문장 으로 구현하려하는데
어떤식으로 활용가능한지, 두개의 모델을 사용하다보니 무거워져 성능(속도, 정확도 등)이 떨어지지는 않는지 궁금합니다!

2. 지금 제가 파이참에서 미디어 파이프 모델을 사용해 작업한 코드가 있는데, 제가 직접 저장시킨 npy 데이터를 사용해 tensorflow에 1D-CNN방식을 활용해서 학습시켜 작업했습니다. 추가로 LSTM 방식으로도 진행해봤는데 학습 속도나 정확도 부분에서는 1D-CNN방식이 높게 나온 상황입니다. 아무래도 저희가 이런 기법을 처음 사용하다 보니 코드에서 더 추가할 내용들이 있을것이라 생각이 듭니다.
결론적으로 이 방식 외에도 KNN 등 다양한 기법들로 학습시키는 방법들이 있을텐데 어떤것이 있고, 현재 저희가 사용하고자 하는 모델 관련해서는 어떤 방식이 적합한지 궁금합니다!

- 이시은 (단어 -> 수어 구현 담당)
안녕하세요.

저희는 양방향 수어 번역 시스템을 개발 중인 팀입니다.

예를 들어 사용자가 "오늘 날씨가 좋아요"라는 문장을 입력하면,
언어모델이 "오늘", "날씨", "좋다"와 같은 핵심 단어를 추출하고
이 단어들에 해당하는 수어 동작을 순서대로 보여주는 기능을 구현하고자 합니다.

현재, 최종적으로 사용자에게 수어 동작 결과를 어떻게 보여줄지에 대해
아래 세 가지 방안을 두고 고민 중입니다.

1. 각 단어에 해당하는 수어 영상을 미리 촬영해서 데이터베이스에 저장하고, 해당 영상을 조합해서 보여주는 방법

2. 각 단어에 대한 3D 아바타(예: Unity) 애니메이션을 미리 제작해두고, 입력 단어에 맞춰 해당 애니메이션을 재생하는 방법

3. 각 단어별로 MediaPipe로 추출한 랜드마크(좌표값) 시퀀스를 미리 저장해두었다가, 입력된 단어 순서대로 아바타의 본 구조에 적용해 실시간으로 애니메이션을 생성하는 방법

1번은 영상 데이터가 있어서 비교적 구현 난이도가 낮지만,
확장성 측면에서는 2번과 3번 방안에 더 끌리고 있습니다.
특히 2번과 3번은 Unity를 활용해야 하고,
저희 팀이 Unity 경험이 없다는 점,
또한 백엔드(서버)와의 연동, 데이터 관리 방식 등 여러 부분이 고민이 되어
선택에 어려움이 있습니다.

혹시 현업에서의 실제 구현 사례나,
각 방법의 장단점, 확장성과 유지보수,
그리고 Unity와 백엔드 연동 시 주의해야 할 점이나 추천하시는 설계 방식에 대해
조언해주실 수 있을지 궁금합니다.

감사합니다.

Q2. 예지보전 시스템을 설계하거나 적용할 때, 기술적인 요소 외에 반드시 고려해야 하는 핵심 요인에는 어떤 것들이 있을까요? 예를 들어 데이터 수집의 신뢰성, 설비별 특성 반영, 운영 프로세스와의 연계 등에서 중요하게 봐야 할 부분이 궁금합니다.

Q3. 1초 단위 또는 그 이하의 간격으로 센서 데이터를 수집하는 경우, Time-Series Database를 설계할 때 성능이나 구조 측면에서 유의해야 할 점이 있다면 무엇이 있을까요? 예를 들어, 데이터 모델링, 저장 전략, 압축 방식 등에 대한 일반적인 가이드가 궁금합니다.

Q4. AI 모델이 예측한 ‘고장 위험도’와 설비 담당자의 경험 기반 판단이 불일치할 수 있다는 점에서, 두 판단을 효과적으로 통합하거나 사용자 인터페이스 측면에서 조율하는 방안에는 어떤 방향이 바람직할까요? 기술 설계나 정책적 접근에서 참고할 수 있는 기준이 있을지 궁금합니다.

조사한 결과 실시간 추론을 WebSocket으로 전달하는 구조로 하고 싶은데, 처음 접해 보는 거라 모델 추론 파이프라인을 어떻게 경량화하거나 분리하면 좋을까 고민이 됩니다.

실제로 사용하신 저희 조합과 유사한 파이프라인 구성 예시, 혹은 실시간 전달 구조가 있다면 공유받을 수 있으면 감사하겠습니다.

모델 연동 방식이나 입력/출력 구조만 봐도 많은 도움이 될 것 같습니다.

멘토님이 사용하신 파이프라인이나 데이터셋이 외부 공개가 어려운 경우, 학습을 위한 공개 GitHub나 참고 자료를 추천해주세요.

Q2: 프로젝트 실습용으로 사용할 수 있는 CCTV 기반 작업자 감지나 ReID 관련 샘플 데이터셋이 있을까요?

Cross-camera 작업자 추적을 하기 위한 같은 날, 특정 1명 혹은 특정 다수의 작업자가 찍힌, 2 개 이상의 다른 작업 공간의 CCTV 영상이 필요하는 상황입니다.

혹시 내부에서 활용하셨던 데이터 중에서 공유 가능한 영상 예제가 있다면 큰 도움이 될 것 같습니다.

아님 외부에서 공개된 추천할 만한 CCTV 기반 객체 추적/작업자 감지 데이터셋이 있다면 알려주세요.

자체 구축이 시간이 걸릴 수 있어 대체 데이터셋도 고려하고 있습니다.

Q3: 혹시 fine-tuning이나 추론 테스트에 활용할 수 있는 레퍼런스 코드가 있을까요?

적용 구조를 참고해보고 싶습니다.

Q4: 이 프로젝트를 잘 정리해서 발표/포트폴리오로 만들기 위해 강조해야 할 기술적 포인트는 무엇으로 할 수 있을까요?

Q5: 1개월 안에 실시간 감지 + 예측 + 시각화까지 최소 구현을 목표로 할 때, 꼭 포함하고 꼭 줄여야 할 요소가 있다면 알려주시면 감사하겠습니다.

Q6: 향후 스마트팩토리 전체 모니터링 시스템으로 확장하기 위해 지금부터 고려할 점이 있을까요?

Q2. 서버 아키텍처
Node.js + Express + WebSocket(ws) 구조로 서버를 구성할 계획입니다.
이 구조가 실시간 PvP 장르에 적합한지, 구현 난이도와 확장성 측면에서 무리가 없는 선택인지 궁금합니다.

Q3. 인게임 성능 최적화
오브젝트 풀링 외에, 실시간 PvP 게임에서 CPU 및 메모리 사용을 줄이기 위한
추가적인 최적화 기법이 있다면 추천 부탁드립니다.

Q4. AI 모델 적용 가능성
유저의 전투 로그 데이터를 기반으로 RandomForest, XGBoost 등 지도학습 모델을 활용해 전투 스타일 분류 및 추천 기능을 구현해보려 합니다.
이 방식이 게임성 향상에 실효성이 있는지 궁금합니다.

1. 2개월이라는 짧은 기간 내에 유닛, 맵, UI 에셋을 모두 제작하기 위한 우선순위는 어떻게 설정해야 하는지 궁금합니다.

2. Unity Asset Store에 있는 무료 에셋을 활용하려 하는데, 이때 주의해야 할 라이선스나 품질 기준이 있나요?

3. 시간 제약 문제로 적은 에셋으로 다양한 변형을 만드는 모듈러 디자인 접근법을 적극적으로 활용하려 합니다. 이에 관련한 노하우가 있다면 공유해주시면 고맙겠습니다.

4. 게임 밸런싱/기획 단에서의 게임플레이에 수정이 있을 수 있는데, 이러한 변경사항이 아트 작업에 미치는 영향을 최소화하는 방법이 궁금합니다.

5. 현재 대학생 수준에서 단기간에 가장 효과적으로 향상시킬 수 있어 추후 결과물의 퀄리티를 끌어올릴 수 있을 만한 아트 스킬은 무엇인지 궁금합니다. 현재 게임 업계에서 주목받고 있는 아트 제작 도구나 기법이면 더욱 좋습니다.

6. 모델링 도구는 Blender를 적극적으로 사용할 것 같은데, Blender의 기본 리깅 시스템 외에 초보자에게 더 친화적인 대안이 있는지 궁금합니다. 만약 있다면, 입문자가 Blender와 결합하여 활용하기 좋은 자동화 리깅 툴/애니메이팅 툴로 어떤 것들이 있는지 궁금합니다.

7. 현재 원화 및 레퍼런스 시트부터 모델링까지의 디자인 단계는 인공지능 확산형 생성 모델을 적극적으로 이용하려고 합니다. 이 과정에서 Stable Diffusion → HUNYUAN3D → Blender 파이프라인 단계로 진행할 것 같은데, 각 단계에서 예상되는 기술적 한계가 있을지 궁금합니다.

8. 모바일 실시간 멀티플레이 게임 환경에서 아트 에셋이 프레임레이트나 네트워크 성능에 미치는 영향을 최소화하는 방법이 있는지 궁금합니다.

9. 유닛들의 공격, 이동, 사망 애니메이션을 시스템적으로 관리하기 위한 애니메이션 컨트롤러 설계 팁이 있나요? 특히 기획자, 프로그래머와 효과적으로 소통하기 위해 아트 담당자가 알거나 요구해야 할 기술적 제한사항에는 무엇이 있는지 궁금합니다. (공격/이동/사망 타이밍에 관련한 로직 프로그래밍 제한사항 등)

Q1. 3D아바타 및 옷 모델 리깅/스키닝:

AI를 통해 생성한 아바타와 옷 모델을 Blender를 통해 리깅 및 스키닝을 하여 자동 피팅을 구현하려고 합니다. Blender에서 뼈대를 추가하고 아바타와 옷의 뼈대를 어떻게 연결하는지 단계별로 알고 싶습니다. 또한 웹서비스를 위해 여러벌의 옷과 아바타를 반복적으로 리깅/스키닝 해야 할 때 Blender에서 작업을 자동화하여 처리하는 방법이 있는지 궁금합니다.

Q1. 트레잇이나 시너지 조건을 평가하는 로직을 어떻게 나눠야 유지보수나 확장이 편할까요?

Q2. 유닛 수가 많고 트레잇도 복잡해질수록, 게임 흐름이 늘어지고 직관성도 떨어지는데 전략성과 템포감을 둘 다 살리는 방법이 실무에선 어떻게 다뤄지나요?

Q3. 지형과 유닛의 상호작용을 전략요소로 설계할 때, 실제 플레이에서 ‘이걸 전략으로 쓴다’는 느낌이 들게 하려면 어떤 구조나 제한이 효과적이었는지 궁금합니다.

Q4. 처음엔 신선했던 시너지 구조가 시간이 지나면 ‘정형화된 빌드’로 고정되는 문제가 생기는데, 이런 현상에 대응하기 위해 실무에서 쓰는 콘텐츠 리프레시 방법이 궁금합니다.

Q5. 전투 결과를 로그로 저장할 때, 어떤 구조가 나중에 전략 분석이나 리포트 시스템으로 연계하기 좋았는지 궁금합니다.

Q1. 영상 데이터에 대해 라벨링을 해야하는데, 툴 대부분이 유료였기에, 대학생 수준에서 무료 혹은 저렴한 비용으로 사용할 수 있는 툴이 있는지 궁금합니다.

Q2. 음성의 떨림, 높낮이, 말투에 대해 지도학습을 시켜야 하는데, TensorFlow, Librosa, HuggingFace Transformer 중에 뭘 쓰는게 좋을지, 아니면 이 외에 어떤 걸 쓰는 것 좋은지 궁금합니다.

Q3. 사용자에게서 발표 영상을 받으면, 학습 시킨 것을 바탕으로 발표 영상에 대해 피드백을 줘야 하는데, 이 때, DB는 Object Storage를 쓰면 되나요? 아니면 다른 것을 쓰는 것 좋은가요..?

그리고 분석된 결과를 MySQL에 저장하면 되는건가요? 아니면 Cassandra같은 DB를 쓰는 것이 좋은가요?

Q4. Q3 질문에 덧붙이는데, 서버의 경우는 AWS로 구축하는 것이 좋은가요? 아니면 추천하는 것이 있으신지 궁금합니다.

Q5. 한 명이서 라벨링을 하고, 확보한 데이터에 대해 학습을 시킬 거 같은데, colab에서 하는 것이 좋은지, 아니면 따로 구축을 하는 것이 좋은지 궁금합니다. 그리고, 이게 한 명이 할 수 있는 규모가 맞는지 궁금합니다.

과정이 있으려면 어떤 형태의 게임 플레이 디자인이 소통의

강요나 실력 차이로 인한 부담감 없이 플레이어에게 전달될

수 있을 지가 궁금합니다.

또한, 협동 캐릭터 2명의 능력을 서로 완전히 다르면서도

이 두 능력을 통해어떤 방식으로 협동을 유도할 지 고민입니다.

두 능력간의 밸런스를 어긋나지 않게하는 선에서 능력들을

어떻게 배치하거나 연결하면 상호 의존성이 생길 지 궁금합니다.

Q2. 이번 프로젝트가 약 2개월 일정으로 진행되는데 이 기간

동안 기획 단계는 어느 정도의 비중으로 설정하는 것이 적절할지 궁금합니다.

또한 기획을 초기 단계에서 마친 후에도, 개발 중 기획 역할이 어떻게 이어져야

실질적인 기획의 기여가 유지될 수 있을지 조언을 듣고 싶습니다.

Q3. 보스전에서 특정 환경 요소를 무기처럼 활용할 때, 이를 플레이어가

인식하게 만드려면 어떤 시각적 디자인이 플레이어의 이목을 끌 수 있을

지 궁금합니다.

Q4. 현재 AI 기반 모델링을 사용하고 있어 일부 캐릭터 애니메이션이 다소 어색하게 보입니다. 이러한 부분을 연출(카메라, 타이밍, 이펙트 등)을 통해 커버할 때,

주로 어떤 방식이 효과적인지 조언을 듣고 싶습니다.

예를 들어, 액션이나 전투의 박진감이 떨어질 때 이를 보완하는 연출 방식에는

어떤 사례가 있을까요?

Q5. 시야 제약이 큰 1인칭 뷰 환경에서, 상대방과의 위치 공유, 상태 공유,

상호작용 요청 등 협동에 필요한 소통을 보조하는 UI/UX적 장치가 궁금합니다.

Q6. 게임의 난이도는 플레이어마다 다르게 느낄 수 있습니다.

기획 단계에서 난이도를 최대한 객관적으로 측정하거나 정의하기 위한 기준이나

프레임이 있다면 조언 부탁드립니다.

특히 협동 게임처럼 두 명 이상이 협력하는 구조에서는 난이도 설계가 더 복잡

해지는데, 이런 경우에는 어떤 요소들을 중심으로 조정하면 좋을까요?