본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 오늘은 언리얼 엔진의 핵심 시스템 중 하나인 Gameplay Ability System(GAS)의 기본 개념을 정리하고, 간단한 데미지 처리를 구현하는 데 집중했다. GAS는 처음 접하면 매우 복잡하게 느껴지는 구조지만, 오늘은 핵심 뼈대를 중심으로 단순화해 학습을 진행했다. GAS의 기본 구조를 복습해보자면 UAbilitySystemComponent는 캐릭터에 부착되어 능력과 효과를 관리하는 중심 컴포넌트다. UAttributeSet는 캐릭터의 체력, 마나, 공격력 등 능력치를 저장하고 네트워크 복제까지 담당하는 구조체형 클래스다. GameplayEffect는 데미지, 회복, 스탯 증가 등 어떤 효과를 수치적으로 캐릭터에게 적용하는 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 오늘은 Unreal Engine의 Gameplay Ability System(GAS)에서 중요한 요소 중 하나인 Gameplay Effect(GE)에 대해 학습하고, 이를 활용하여 플레이어의 체력을 실제로 적용해보는 실습을 진행했다. GAS 구조는 처음 접할 땐 다소 복잡하게 느껴지지만, 그 핵심은 효과를 데이터 기반으로 설계하고 관리할 수 있다는 점에 있다. 오늘 학습은 그 중에서도 GameplayEffect의 작동 원리와 그것을 플레이어 캐릭터에 적용하는 실전 흐름을 이해하는 데 초점을 두었다. Gameplay Effect는 말 그대로 캐릭터의 능력치에 영향을 주는 효과를 의미한다. Instant는 한 번만 즉시 적용되는 효과, ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 오늘은 언리얼 엔진의 Gameplay Ability System (GAS)을 기반으로, UAbilitySystemComponent, IAbilitySystemInterface, 그리고 UAttributeSet을 활용하여 캐릭터의 스탯 시스템을 간단하게 구현해보았다. 단순히 체력, 마나, 공격력 등의 수치를 블루프린트나 변수로 직접 관리하던 기존 방식과 달리, GAS에서는 데이터 기반으로 확장성과 유지보수가 뛰어난 방식으로 스탯을 설계할 수 있다는 점이 인상 깊었다. 가장 먼저 진행한 작업은 스탯 데이터를 정의하는 것이었다. 이를 위해 UAttributeSet을 상속받아 체력(Health), 최대 체력(MaxHealth), 등을 선언했..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 오늘은 언리얼 엔진의 Gameplay Ability System(GAS)에 대해 기본 개념을 학습했다. GAS는 캐릭터의 능력(스킬, 행동 등)을 체계적으로 관리하고 구현하기 위한 시스템으로, 대규모 RPG나 액션 게임에서 자주 사용되는 구조라고 한다. GAS는 언리얼에서 필수적인 시스템이라고 듣기는 했지만평소 블루프린트 위주로만 기능을 구현하다가 GAS의 구조와 개념을 접하니 다소 생소했지만, 설계 철학을 이해하고 나니 강력한 시스템이라는 인상을 받았다. GAS 시스템 중 Gameplay Effect는 능력의 결과로 버프 시스템을 정의한다. 블루프린트에서 직접 체력을 깎는 코드를 짜던 것과 달리, GAS에서는 효과의 세부 내용을 데이..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 오늘은 언리얼 엔진의 Smart Object 시스템을 활용하여, 적 AI가 플레이어 캐릭터를 피해 도망다니는 시스템을 구현해보았다. 이전까지의 AI는 주로 추적하거나 정해진 패턴대로 이동하는 단순한 행동만을 보였지만, Smart Object를 도입함으로써 훨씬 더 상황에 반응하고, 환경과 상호작용하는 유기적인 AI 행동을 만들 수 있었다. Smart Object는 쉽게 말하면 AI가 사용할 수 있는 환경 속 기능성 오브젝트를 뜻한다. 예를 들어 적이 숨을 수 있는 은폐물, 점프할 수 있는 구조물, 혹은 도망칠 수 있는 경로 등을 지정해두고, AI가 상황에 따라 이 오브젝트들과 상호작용할 수 있도록 하는 시스템이다. 이번 학습에서는 플레이..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 오늘은 Unreal Engine의 EQS(Environment Query System)를 활용하여 원거리 몬스터의 공격 위치 선정 로직을 구현하는 학습을 진행했다. 이전까지의 몬스터 AI는 단순히 플레이어를 쫓아가거나 근접하는 수준이었지만, 이번 EQS 학습을 통해 몬스터가 스스로 유리한 위치를 계산하고 이동한 뒤 공격하는 동작을 구현할 수 있었다. 실제 게임에 적용 가능한 지능적인 행동 로직을 구성해보는 매우 유익한 경험이었다. EQS의 개념을 간단히 복습하자면, 이는 AI가 현재 환경 내에서 다양한 조건을 기준으로 최적의 위치를 자동으로 계산할 수 있게 해주는 시스템이다. 예를 들어 "플레이어로부터 일정 거리 떨어진 곳 중 가시성이 ..