.png)
Last Update：04/02/2026
왜 EQS보다 TCAT이 더 빠를까요?
TCAT은 GPU-Based Influence map을 사용하기 때문입니다.
Influence map은 게임 공간을 2D 격자로 나누고, 각 칸에 수치를 기록한 데이터 구조입니다.
각 칸에 얼마나 높은 수치를 기록할 것인지에 대한 기준은 사용자가 정하게 됩니다.
<aside> 💡
각 칸에 기록되는 수치를 영향력이라고 부릅니다.
</aside>
예를 들어보겠습니다.
레벨에 여러 아군 AI들이 있습니다.
사용자는 “아군 AI가 밀집된 칸일수록 높은 수치(=높은 영향력)를 기록하라”라는 기준을 정합니다.
그렇다면, Influcen map은 아래와 같이 만들어집니다.
아군 AI가 밀집된 칸일수록, 높은 수치가 기록된 것을 볼 수 있습니다.(초록색일수록 높은 수치가 기록된 칸입니다.)
이 Influence map을 이용한다면, 다음과 같은 AI 로직들을 만들 수 있게됩니다.
즉, AI가 의사결정을 하는 데에 쓰는 전장 상황판인 것입니다.
AI는 복잡한 연산 없이, 단지 Influence map을 참조 하는 것만으로 빠른 시간안에 의사결정을 할 수 있게 됩니다.
지금까지는 Influence map에 대해 알아봤습니다.
그렇다면, “GPU-Based” Influence map은 뭘까요?
조금 전에, 2D 격자를 만들고, 각 칸에 수치를 기록해 Influence map을 만든다고 했습니다.
즉, 이 Influcence map은 보통 2차원 배열 형태로 저장이 됩니다.
이 배열의 모든 칸에 값을 기록하려면, 배열의 크기만큼 반복문을 순회해야 합니다.
예를 들어, 어떤 Influence map의 크기가 750 X 750이라면, 562,500번을 순회해야 하는거죠.
이것은 큰 병목이 될 수 있습니다.
그래서, TCAT은 Influece map에 값을 기록할 때, CPU가 아닌 GPU를 씁니다.
GPU는 병렬 처리에 특화돼있어, 모든 칸에 거의 동시에 값을 기록할 수 있기 때문입니다.
즉, 750X750 크기의 Influence map의 모든 칸에 값을 기록하는 것을 단 1번의 순회로 끝낼 수 있다는 것입니다.
(물론, 완벽한 1은 아닙니다만, 그래도 CPU보다 훨씬 빠르게 값을 기록할 수 있습니다.)
이렇게 TCAT은 Influence map과 GPU를 활용함으로써, 매우 빠른 AI System을 만들었습니다.
<aside> 💡
Influence map에 대한 좀 더 자세한 이론적 설명은 이 링크를 참고하세요.
</aside>