Google for Developers Korea Blog

구글플레이가 중소벤처기업부∙창업진흥원과 함께 ‘창구 프로그램 시즌 2’를 진행합니다

2020년 4월 9일 목요일

.post-body span { white-space: normal !important; }

구글플레이가 중소벤처기업부, 창업진흥원과 함께 ‘창구 프로그램 시즌 2’를 진행합니다.창구 프로그램은 국내 앱·게임 개발사의 콘텐츠 고도화와 해외 시장 진출을 지원하는 ‘스케일업(Scale-Up)’ 프로그램인데요. 2019년 성공적으로 프로그램을 마친 시즌 1에 이어 올해도 진행하게 된 창구 프로그램 시즌 2를 자세히 소개합니다!창구 프로그램 시즌 2는 올해 참여 대상 앱⋅게임 개발사의 업력 기준을 확대해 보다 많은 개발사에게 다양하고 폭넓은 혜택을 지원합니다. 시즌 1의 지원 자격이었던 창업 3~7년 미만 기준은 창업 7년 이내로 확대됐습니다. 중소벤처기업부가 주관하는 창업도약패키지를 통해 창업 3~7년 미만 개발사 60개사, 초기창업패키지를 통해 창업 3년 이내 개발사 20개사가 선정됩니다. 지난해 상위 60개사에게 제공된 사업화 자금은 두 패키지에서 선정된 80개사에 확대 제공될 예정입니다.평가는 서류평가와 발표평가 총 2단계에 걸쳐 이루어지는데요. 1단계에서는 앱⬝게임 개발사의 개발 역량, 독창성, 목표 시장 진출 가능성을 평가하고, 2단계에서는 창업기업의 기술 완성도, 시장성 등에 대한 발표와 중소기업 일자리 평가 항목을 고려해 최종 순위를 결정합니다.이렇게 창구 프로그램 시즌 2에 선정된 80개 개발사에게는 최대 3억원의 사업화 자금뿐 아니라 다양한 주제의 세미나 및 교육에 참여할 기회가 주어집니다. 구글플레이는 신규 유저 확보를 위한 마케팅·홍보, 국가별 현지화 전략, 리더십 향상 등을 주제로 교육 세션을 제공합니다. 또 80개사 중 개별 평가를 통해 선정된 상위 20개 개발사에게는 국내외 벤처캐피탈(VC) 및 퍼블리셔 대상으로 한 데모 데이 참여 기회가 주어지고, 상위 10개 개발사에게는 구글플레이 리워드 프로그램 ‘구글플레이 포인트’ 인스톨 프로모션, 국제 게임전시회 지스타 2020의 창구 공동관 참여 기회 등이 제공됩니다. 이외에도 별도 평가를 통해 중소벤처기업부 창업성장 R&D 자금(2년간 최대 4억원) 연계 지원도 제공될 예정입니다. 구글플레이는 창구 프로그램에 대한 대규모 마케팅 활동을 비롯해 참여 개발사를 대상으로 앱⬝게임 퀄리티 개선, 글로벌 진출 및 마케팅, 수익화 전략 등의 교육 및 사업 개발 컨설팅과 세미나를 진행합니다. 중소벤처기업부와 창업진흥원은 사업화 자금 지원 및 프로그램 운영을 총괄하며 전담·주관기관이 제공하는 특화 프로그램 지원과 추가 R&D 자금 연계 등을 담당합니다.창구 프로그램은 2019년 행정안전부가 개최한 ‘정부혁신 우수사례 경진대회’에서 국무총리상을 수상하며 창업 기업의 사업화 전 과정을 원스톱으로 지원하는 혁신 모델로 인정받았는데요. 창구 프로그램 시즌 1 참여 기업은 구글플레이의 효과적인 컨설팅 및 교육 프로그램을 통해 국내를 넘어 해외 시장에서 괄목할만한 성과를 거두며 인기리에 서비스되고 있습니다.창구 프로그램 시즌 1에서 1위를 차지한 개발사 ‘버드레터’의 ‘매드포댄스'는 2019년 하반기 신규 다운로드가 상반기 대비 671% 증가했으며, 2019년 전체 다운로드 중 78%가 미국(36%)을 포함한 해외에서 발생했습니다. 2위 스티키핸즈의 ‘솔리테어 팜 빌리지’ 또한 신규 다운로드의 84%가 일본(13.5%), 미국(10.4%) 등 해외에서 발생하고 있으며, 3위 캐치잇플레이의 ‘캐치잇잉글리시’도 2019년 하반기에 구글 플레이스토어 기준 신규 다운로드와 매출이 각각 23%, 17% 증가했습니다.Top 3 개발사 이외에도 Top 30에 선정된 자라나는씨앗의 ‘MazM: 오페라의 유령’은 글로벌 시장을 적극적으로 공략해 2019년 신규 다운로드의 74%가 미국, 대만, 러시아 등에서 발생했으며, 버프 스튜디오의 ‘세븐데이즈!: 7Days’는 2019년 하반기 구글 플레이스토어 기준 신규 다운로드가 674% 성장하는 쾌거를 이뤘습니다!구글플레이와 중소벤처기업부는 4월 9일부터 5월 7일까지 약 한 달 간 창구 프로그램 시즌 2 기업을 모집합니다. 프로그램 참여를 희망하는 기업은 K-Startup을 통해 지원서를 접수할 수 있습니다다. 창구 프로그램, 창업도약패키지 및 초기창업패키지 지원사업에 대한 보다 자세한 내용은 홈페이지 또는 중소기업 통합 콜센터(국번없이 1357)를 통해 안내받을 수 있습니다.올해 더욱 폭넓은 혜택을 제공할 창구 프로그램 시즌 2와 국내 앱·게임 개발사에 많은 관심과 응원 부탁드립니다!

작성자: 구글코리아 블로그 운영팀

Dreamer 소개: 현실 세계 모델을 사용하는 확장 가능한 강화 학습

2020년 4월 8일 수요일

.post-body span { white-space: normal !important; } 작성자: Danijar Hafner, Google Research 학생 연구원
원문은 이 곳에서 확인 가능하며 번역 리뷰는 강재욱(ML GDE) 님이 참여해 주셨습니다.
강화 학습(RL)덕분에 인공 에이전트의 목표 달성을 위한 행위 선택 방법에 대한 연구가 매우 급속도로 진전을 보이고 있습니다. 모델 프리(Model-free) 접근 방식으로 RL을 구현해 시행착오를 통해 성공적인 행위를 예측하도록 학습함으로써, DeepMind의 DQN이 Atari 게임을 하고 AlphaStar가 Starcraft II에서 세계 챔피언을 꺾을 수 있었습니다. 대량의 환경 상호 작용이 필요한 관계로 현실 세계 시나리오에서의 유용성이 제한되는 문제가 있었습니다.
반면에, 모델 기반 RL 접근 방식에서는 단순화된 환경 모델을 추가로 학습합니다. 이런 현실 세계 모델 을 통해 에이전트는 잠재적 행위 시퀀스의 결과를 예측함으로써, 가상의 시나리오를 진행하면서 새로운 상황에서 정보를 바탕으로 의사결정을 하고 이에 따라 목표 달성에 필요한 시행착오를 줄일 수 있습니다. 과거에는 정확한 현실 세계 모델을 학습하고, 이런 모델을 활용해 성공적인 동작을 학습하기란 까다로운 문제였습니다. 우리가 연구 중인 Deep Planning Network(PlaNet)와 같은 최근의 연구에서는 이미지로부터 정확한 현실 세계 모델을 학습함으로써 이런 한계 영역을 더욱 확장해왔지만, 이조차 효과적이지 못하거나 계산 비용이 많이 드는 계획 메커니즘으로 인해 모델 기반 접근 방식은 여전히 어려운 과제를 해결하는 능력이 제한적입니다.
DeepMind와 협력해온 우리는 오늘 이미지로부터 현실 세계 모델을 학습하고 이를 사용해 원시안적 동작을 학습하는 RL 에이전트인 Dreamer를 발표합니다. Dreamer는 현실 세계 모델을 활용하여 모델 예측을 통한 역전파를 통해 동작을 효율적으로 학습합니다. 이 에이전트는 원시 이미지로부터 콤팩트 모델 상태를 계산하는 방법을 학습함으로써 단 한 개의 GPU만 사용해 병렬 방식으로 수천 개의 예측 시퀀스로부터 효율적으로 학습할 수 있습니다. Dreamer는 원시 이미지가 입력되는 20개의 연속 제어 작업으로 구성된 벤치마크에서 성능, 데이터 효율성 및 계산 시간에 있어 새로운 최첨단 기술을 선보입니다. RL의 발전에 더욱 박차를 가하기 위해, 우리는 연구 커뮤니티에 소스 코드를 발표할 것입니다.
Dreamer는 어떻게 작동할까요?
Dreamer는 모델 기반 방법에 일반적인 세 가지 프로세스, 즉 현실 세계 모델 학습, 현실 세계 모델을 통한 예측으로부터 동작 학습, 새로운 경험을 수집하기 위해 환경에서 학습된 동작 실행으로 구성됩니다. 동작을 학습하기 위해, Dreamer는 가치 네트워크를 사용해 계획 기간을 넘어 그 이상의 미래까지도 계정 보상을 고려하고 행위자 네트워크를 사용해 행위를 효율적으로 계산합니다. 병렬로 실행할 수 있는 세 프로세스는 에이전트가 다음과 같은 목표를 달성할 때까지 반복됩니다.

Dreamer 에이전트의 세 프로세스. 현실 세계 모델은 과거의 경험으로부터 학습됩니다. 그러면 에이전트가 이 모델의 예측에서 미래의 보상을 예측하기 위한 가치 네트워크와 행위를 선택하기 위한 행위자 네트워크를 학습합니다. 행위자 네트워크는 환경과 상호 작용하는 데 사용됩니다.

현실 세계 모델 학습
Dreamer는 PlaNet 현실 세계 모델을 활용하는데, 이 모델은 한 이미지에서 다음 이미지로 바로 예측하는 대신에 입력 이미지에서 계산되는 콤팩트 모델 상태 의 시퀀스를 기반으로 결과를 예측합니다. Dreamer는 객체 유형, 객체의 위치, 객체와 객체 주변의 상호 작용과 같이, 미래의 결과를 예측하는 데 유용한 개념을 나타내는 모델 상태를 생성하는 방법을 자동으로 학습합니다. Dreamer는 에이전트의 과거 경험 데이터세트에서 이미지, 행위 및 보상의 시퀀스를 고려해 아래 그림과 같이 현실 세계 모델을 학습합니다.

Dreamer는 경험으로부터 현실 세계 모델을 학습합니다. Dreamer는 과거 이미지(o1–o3)와 행위(a1–a2)를 사용해 이미지(ô1–ô3)를 다시 구성하고 보상(r̂1–r̂3)을 예측하는 콤팩트 모델 상태(녹색 원)의 시퀀스를 계산합니다.

PlaNet 현실 세계 모델을 사용하는 한 가지 이점은 이미지 대신 콤팩트 모델 상태를 사용하여 예측하면 계산 효율이 크게 향상된다는 점입니다. 따라서 이 모델은 단일 GPU에서 수천 개의 시퀀스를 병렬로 예측할 수 있습니다. 이 접근 방식은 일반화도 촉진할 수 있어, 정확한 장기적 동영상 예측으로 이어집니다. 모델의 작동 방식을 이해하기 위해, DeepMind Control Suite의 작업과 DeepMind Lab 환경의 작업에 대해 아래 그림처럼 콤팩트 모델 상태를 이미지로 다시 디코딩하여 예측된 시퀀스를 시각화할 수 있습니다.

콤팩트 모델 상태를 사용해 예측하면 복잡한 환경에서 장기적인 예측이 가능합니다. 여기에는 에이전트가 이전에 처리한 적 없는 2개의 시퀀스가 있습니다. 5개의 입력 이미지를 고려할 때, 이 모델은 이들 이미지를 다시 구성하여 최대 시간 단계 50까지 향후 이미지를 예측합니다.

효율적인 동작 학습
이전에 개발된 모델 기반 에이전트는 일반적으로 많은 모델 예측을 통해 계획하거나 시뮬레이터 대신 현실 세계 모델을 사용해 기존의 모델 프리 기술을 재사용함으로써 행위를 선택합니다. 두 디자인은 모두 계산이 많이 필요하고 학습된 현실 세계 모델을 완전히 활용하지 않습니다. 게다가, 강력한 현실 세계 모델도 얼마나 미리 정확하게 예측할 수 있는지에 있어 제한이 따르므로, 이전의 많은 모델 기반 에이전트는 근시안적이었습니다. Dreamer는 현실 세계 모델을 예측함으로써 역전파를 통해 가치 네트워크와 행위자 네트워크를 학습하여 이러한 제한 사항을 극복합니다.
Dreamer는 행위자 네트워크를 효율적으로 학습해 모델 프리 접근 방식에서는 불가능한 예측 상태 시퀀스를 통해 보상의 변화도를 역으로 전파함으로써 성공적인 행위를 예측합니다. 이는 행위의 작은 변화가 미래에 예측되는 보상에 어떤 영향을 미치는지 Dreamer에 알려주므로, Dreamer가 보상을 가장 많은 늘려주는 방향으로 행위자 네트워크를 상세검색할 수 있게 해줍니다. 예측 범위를 넘는 보상을 고려하기 위해, 가치 네트워크는 각 모델 상태에 대한 미래 보상의 합을 추정합니다. 그런 다음 아래와 같이 보상과 가치는 역전파되어 개선된 행위를 선택하도록 행위자 네트워크를 상세검색합니다.

Dreamer는 모델 상태의 예측 시퀀스에서 원시안적 동작을 학습합니다. Dreamer는 먼저 각 상태의 장기적 값(v̂2–v̂3)을 학습한 다음, 상태 시퀀스를 통해 행위자 네트워크로 행위를 역전파함으로써 높은 보상과 값으로 이어지는 행위(â1–â2)를 예측합니다.

Dreamer는 여러 가지 점에서 PlaNet과는 다릅니다. PlaNet은 환경에서 주어진 상황을 고려해 다양한 행위 시퀀스에 대해 많은 예측 사이에서 최선의 행위를 검색합니다. 반면에, Dreamer는 계획과 행위를 분리하여 이 값비싼 검색을 피합니다. 행위자 네트워크가 예측 시퀀스를 기반으로 훈련된 후, Dreamer는 추가 검색 없이 환경과 상호 작용하기 위해 행위를 계산합니다. 또한 Dreamer는 값 함수를 사용해 계획 기간을 넘어 미래까지의 보상도 고려하고 효율적인 계획을 위해 역전파를 활용합니다.

제어 작업에 대한 성능
우리는 연속 행위 및 이미지 입력으로 20개의 다양한 작업으로 구성된 표준 벤치마크에서 Dreamer를 평가했습니다. 이 작업에는 객체 밸런싱 및 캐칭뿐 아니라, 시뮬레이션된 다양한 로봇의 운동도 포함됩니다. 이 작업은 다음과 같이 충돌, 희소한 보상, 혼돈 상태의 동적 관계, 작지만 관련된 객체, 높은 자유도, 3D 관점을 비롯하여, RL 에이전트에 다양한 도전을 제기하도록 디자인되었습니다.

Dreamer는 이미지 입력으로 20개의 도전적인 연속 제어 작업을 해결하는 방법을 학습하는데, 그중 5개가 여기에 표시되어 있습니다. 시각화를 통해 에이전트가 환경에서 받는 동일한 64x64 이미지를 보여줍니다.

우리는 Dreamer의 성능을 과거 최상의 모델 기반 에이전트 PlaNet, 인기 있는 모델 프리 에이전트 A3C뿐 아니라, 모델 프리 RL의 여러 가지 장점을 결합해 이 벤치마크에서 현재 최상의 모델 프리 에이전트인 D4PG의 성능과 비교합니다. 모델 기반 에이전트는 5백만 개 미만의 프레임에서 효율적으로 학습하며, 시뮬레이션 내에서 28시간의 학습에 해당합니다. 모델 프리 에이전트는 더 느리게 학습하며 1억 개의 프레임이 필요한데, 이는 시뮬레이션 내에서 23일의 학습에 해당합니다.
20개의 작업으로 구성된 벤치마크에서, Dreamer는 20회 더 적은 환경 상호 작용에서 학습하는 동안의 786점에 비해 높은 평균 823점을 얻은 최상의 모델 프리 에이전트(D4PG)를 능가합니다. 게다가, Dreamer는 거의 모든 작업에 대해 이전에 최고로 손꼽혔던 모델 기반 에이전트(PlaNet)의 최종 성능도 넘어섭니다. Dreamer를 훈련하기 위한 16시간의 계산 시간은 다른 방법에 필요한 24시간보다 짧습니다. 네 에이전트의 최종 성능은 아래에 표시되어 있습니다.

Dreamer는 최종 성능, 데이터 효율, 계산 시간의 관점에서, 20개의 작업으로 구성된 벤치마크에서 과거 최상의 모델 프리 방법(D4PG)과 모델 기반 방법(PlaNet)을 능가합니다.

연속 제어 작업에 대한 주요 실험 외에도, 불연속적인 개별 행위로 작업에 적용함으로써 Dreamer의 일반성을 보여줍니다. 이를 위해, 우리는 반응적 동작과 원시안적 동작, 공간 인식, 시각적으로 더욱 다양한 장면의 이해가 모두 필요한 Atari 게임과 DeepMind Lab 레벨을 선택합니다. 결과적인 동작이 아래에 시각화되어 있는데, Dreamer가 이처럼 더욱 까다로운 작업을 해결하는 방법도 효율적으로 학습한다는 점을 보여줍니다.

Dreamer는 Atari 게임과 DeepMind Lab 레벨에서 성공적인 동작을 학습하는데, 별개의 행위와 여러 객체가 있는 3D 환경을 포함해 시각적으로 더욱 다양한 장면이 특징입니다.

결론

우리가 수행한 작업은 현실 세계 모델에 의해 예측되는 시퀀스로부터 동작을 학습하는 것만으로도 이미지 입력으로부터 까다로운 시각적 제어 작업을 해결할 수 있어, 이전의 모델 프리 접근 방식의 성능을 능가한다는 점을 입증해줍니다. 게다가, Dreamer는 콤팩트 모델 상태의 예측 시퀀스를 통해 값 기울기를 역전파함으로써 동작을 학습하는 것이 성공적이고 강력한 방법으로, 다양한 연속 제어 작업과 불연속 제어 작업을 해결해준다는 점을 보여줍니다. 우리는 Dreamer가 더 나은 표현 학습, 불확실성 추정으로 지시되는 탐색, 임시 추상화, 멀티태스크 학습을 포함하여, 강화 학습의 지평을 더욱 넓히기 위한 강력한 토대를 제공한다고 생각합니다.
감사의 말 이 프로젝트는 Timothy Lillicrap, Jimmy Ba, Mohammad Norouzi와의 협업으로 진행되었습니다. Brain Team의 모든 분과 논문 초고에 대한 논평을 해주시고 프로젝트 진행 도중에 수시로 의견을 주신 모든 분께도 감사드립니다.

Google for Games Developer Summit: 게임 개발자를 위한 요약정리

2020년 4월 3일 금요일

.post-body span { white-space: normal !important; }
작성자: Greg Hartrell (Android & Google Play 게임 제품 관리 책임자) 원문은 이 곳에서 확인 가능하며 번역 리뷰는 노현석(Android GDE) 님이 참여해 주셨습니다.

GDC에서 여러분을 직접 만나 뵙지 못해 아쉬웠지만, 모두 건강하고 안전하게 지내시길 기원합니다. Google의 여러 팀이 온라인 Google for Games Developer Summit를 위해 진행해온 작업에 대해 정보를 공유하고자 합니다. 저희는 Android 게임 생태계가 지속적으로 성장하고 있어 매우 기쁩니다. 실제로 Android는 활성 기기가 매달 25억 대 이상에 달하며 세계에서 가장 인기 있는 모바일 플랫폼의 지위를 유지하고 있습니다. 아울러 Google Play를 통해 개발자 여러분이 선보이는 게임의 월간 총 플레이 시간은 무려 1조 4천억 분 이상에 달합니다. 저희 플랫폼은 모든 장르의 게임 개발자에게 매우 유용하게 쓰이고 있으며, 저희 결제 시스템은 65개 이상의 국가에서 게임 관련 결제에 사용되고 있습니다. 또한, 저희는 사용자의 편의를 위해 전 세계적으로 90만 곳 이상의 소매점에서 판매되는 기프트 카드와 함께 180개 이상의 이동통신사 결제 옵션을 비롯하여 275가지 이상의 현지 결제 방법을 지원합니다. 저희는 Android와 Google Play 전반에 걸쳐 게임을 개발, 검색, 경험할 수 있는 최상의 플랫폼을 제공하는 것을 사명으로 삼고 있습니다. 특히 게임의 배포 범위 확대에 도움을 드리고 Android 생태계의 다양한 이해관계를 적절히 조정 및 관리하기 위해 노력하고 있습니다. 또한 여러분이 게임을 제작한 후 Google Play에서 출시할 때, 더욱 폭넓은 플레이어에게 게임이 전달되도록 지원하는 데 초점을 맞추고 있습니다. 작년에 이 부분과 관련해 게임 개발자가 당면한 어려움을 해결하기 위해 대대적으로 투자하고 있다는 소식을 전한 바 있는데, 이제 그 성과로서 게임 개발자를 위해 특별히 마련한 새로운 도구와 서비스를 공유할 수 있게 되어 기쁩니다.

g.co/gamedevsummit에서 공유하는 모든 도구와 서비스를 사용해보세요.

모바일 게임 개발을 위한 새로운 Android 도구 저희는 개발자가 Android 게임을 더 쉽게 개발하고 최적화하는데 주력하여 투자해 왔습니다. 다음은 출시할 예정인 여러 새로운 도구를 간략히 정리한 것입니다.

Android Studio Profilers: Android Studio System Trace Profiler를 정비해 개발자가 코드 실행 방식을 세부적으로 검사하고 시각화할 수 있도록 했습니다. 또한 네이티브 메모리 프로파일링 기능도 추가해 게임의 메모리 할당 방식을 확인하고 메모리 누수를 찾을 수 있습니다. Android Studio 4.1 Canary를 다운로드하고 세션에서 더 많은 정보를 알아보세요.

Android Game Development Extension for Visual Studio: 크로스 플랫폼 게임을 위해 Android 지원을 쉽게 추가할 수 있는 새로운 도구를 소개합니다. 이 도구는 기존의 Visual Studio 기반 워크플로와 쉽게 통합되므로, 손쉽게 APK를 생성하여 Android 기기나 에뮬레이터에 배포하고 Visual Studio 내에서 Android 게임을 디버그할 수 있습니다. 개발자 프리뷰를 신청하고 세션에서 더 많은 정보를 알아보세요.

Android GPU Inspector: 새로운 Android GPU Inspector를 사용해 Android GPU를 자세히 살펴보고 게임의 렌더 단계와 GPU 카운터에 대한 자세한 정보를 확인할 수 있습니다. 이제는 그래픽 엔지니어들은 더 나은 프레임 속도와 더욱 긴 배터리 수명을 목표로 게임을 최적화하기 위한 정보와 통찰력을 갖게 되었습니다. 개발자 프리뷰를 신청하고 세션에서 더 많은 정보를 알아보세요.

Google의 Game Package Registry for Unity: 새로운 패키지 레지스트리에는 Google Play Billing, Android App Bundles, Play Asset Delivery, Play Instant, Firebase for Games 등 다양한 Google API가 모두 한 곳에 통합됩니다. 이 문서와 세션에서 더 많은 정보를 알아보세요.

Crytek에서 Android 지원 발표: PC 및 게임 콘솔용 고성능 게임 엔진으로 알려져 있는 CRYENGINE은 올해 여름에 전체 Android 파이프라인을 자사 엔진에 추가할 예정입니다. 여기에서 자세한 정보를 확인하세요.

더 많은 기기와 사용자에 도달하는 새로운 방법 Google Play 스토어는 Android 생태계 내 확대되고 있는 플레이어 기반으로 개발자가 자신의 비즈니스 영역을 더욱 확장할 수 있도록 적극 지원하고 있습니다. 여러분의 개발 과정을 지원하고 게임 성능에 대해 인사이트를 제공할 새로운 도구를 소개합니다.

Google Play Asset Delivery: 적절한 게임 자산을 적시에 적합한 기기에 무료로 제공하도록 지원하는, App Bundle 인프라 기반의 게임서비스를 위한 새로운 배달 기능을 소개합니다. 이 모든 기능을 통해 Asset이 다운로드되고 있는 동안에 플레이어는 게임을 더 빨리 시작할 수 있으며, 게임 리소스를 호스팅 및 제공하는 비용을 절감할 수 있습니다. 이 문서와 세션에서 더 많은 정보를 알아보세요. 

Android Vitals 네이티브 충돌 기호화(symbolication): 이제는 Play Console에서 네이티브 기호를 지원하여 네이티브 충돌을 더 쉽게 디버그할 수 있습니다. 간단히 네이티브 디버그 기호만 업로드하면 Android Vitals의 혜택을 보실 수 있습니다. 공개 베타 버전을 신청하고 세션에서 더 많은 정보를 알아보세요. 

Android Performance Tuner를 이용한 Android Vitals 성능 통계: Android Vitals에서 새로운 성능 통계로 규모에 맞게 다양한 기기에서 프레임 속도와 충실도를 최적화할 수 있습니다. 개발자 프리뷰를 진행하는 개발자는 새로운 Android Game SDK에 있는 새로운 라이브러리인 Android Performance Tuner를 게임에 통합해 이런 혜택을 누릴 수 있습니다. 개발자 프리뷰를 신청하고 세션에서 더 많은 정보를 알아보세요. 

Unity 개발자용 Play Billing Library 2: Unity를 사용하는 게임 개발자는 이제 사용자의 현금 결제 허용, 게임 외부 환경에서 IAP 표시와 같은 Play Billing Library 2의 모든 기능에 액세스할 수 있습니다. 이는 Unity 개발자가 Play의 2021년 Billing Library 버전 요구 사항에 대비하는 최선의 방법입니다. 여기에서 더 많은 정보를 알아보세요. 

더 많은 기기에 연결하고 성공적으로 출시하기 위한 새로운 방법 Google Play Store는 사용자가 게임의 특징을 자세히 탐색하는데 도움이 되는 새로운 태그 시스템과 게임 시연 등 더 많은 비주얼을 보여주면서 더욱 게임 플레이 중심으로 전환하고 있습니다. 게임의 품질을 향상하고 시장 진출을 진행하는데 도움이 될 다양한 기능과 서비스에 대해 알아보세요.

품질에 중점: 우리는 계속 Google Play에서 고품질의 게임 경험을 강조하여 강력한 기술적 성능과 장애 없는 안정적인 사용 환경을 가진 몰입형 게임 플레이를 추구하고 있습니다. 여기에서 더 많은 정보를 알아보세요. 

사전 등록: 수억 명의 플레이어가 매년 Google Play에서 사전 등록 캠페인을 이용하고 있으므로, 출시 시점에 맞춰 사전 등록 캠페인을 잘 활용하면 사용자 수를 효과적으로 늘릴 수 있습니다. 개발자가 출시 초기에 소비자 인지도를 높이고 출시 전 수요를 확보하는 데 도움을 드리고자, 모든 사전 등록 게임에 대해 출시 당일 자동 설치되는 서비스를 곧 선보일 예정입니다.

Play Pass: 작년 말, 미국 시장에서 서비스를 시작한 Play Pass는 사용자가 Google Play를 통해 광고와 인앱 구매가 전혀 없는 수백 개의 훌륭한 앱과 게임을 이용할 수 있는 구독 서비스입니다. 자세히 알아보고 관심있으신 분은 (링크 페이지의 양식을 작성하여) 의견을 알려주세요.

훌륭한 게임을 계속해서 제작해주시는 개발자 여러분께 감사드립니다. 저희가 새로 출시한 도구와 서비스를 사용해보시고 모바일 개발자 세션의 전체 재생목록을 확인해보세요. 또한, 여러 최신 기능에 대한 의견을 공유하고 싶으신 분은 Android와 Google Play에서 제공하는 개발자 프리뷰 프로그램에 참여를 신청해주세요. d.android.com/games을 방문하면 Android 기반의 게임 개발자에게 도움이 되는 지원 사항에 대해 자세히 살펴보실 수 있습니다.

Google Play Indie Games Festival 2020의 Top20 게임을 만나보세요

2020년 3월 30일 월요일

.post-body span { white-space: normal !important; } 올해 초, 저희는 Google Play Indie Games Festival 2020의 게임 접수를 시작했습니다. Indie Games Festival은 무한한 가능성을 가진 인디게임 개발사를 발굴하는 글로벌 대회로 올해는 한국, 일본, 유럽에서 개최 됩니다.
저희는 훌륭한 기술력과 창의성이 돋보이는 수백 건의 혁신적인 게임을 만나 볼 수 있었습니다. 게임을 제출해 주신 모든 개발자 여러분께 진심으로 감사드리며, 오랜 검토와 고심 끝에 선발된 한국의 Top 20 게임을 아래와 같이 발표합니다.
예술성과 뛰어난 작품성을 지닌 Top 20 로 선발된 개발사에게는 사업 성장을 위한 프로모션과 수상 혜택이 제공 되며, 각 개발사는 결승전에서 Top 3 자리를 두고 경합을 펼치게 됩니다. 아울러 안타까운 말씀도 함께 전해드립니다. COVID-19 바이러스가 전세계로 확산됨에 따라 4월 25일로 예정되었던 한국, 일본, 폴란드에서의 결승전을 개최할 수 없게 되었습니다. 최종 후보와 심사위원, 게이머 및 관계자 분들의 안전이 가장 중요하기에 추후 공지가 있을 때까지 결승전을 연기하고자 합니다. 향후 있을 결승전에 대한 공지를 계속하여 확인해 주시면 감사드리겠습니다.

제5회 구글플레이 인디 게임 페스티벌 Top 20 게임(개발사 명) *가나다순

그레이트 소드 - 스틱맨 액션 RPG (olivecrow)
더스트 : 마지막 생존자 (I-eye studio)
리틀보이 (39STUDIO)
매직서바이벌 (LEME)
메이데이 메모리 - 메이비 너의 워너비 로맨스 (StoryTaco.inc)
성지키기 온라인 (Black Hammer)
소드마스터 스토리 (CodeCAT)
스타로이드 : 탄막 슈팅 벽돌깨기 (SPRING GAMES)
언디스트로이드 (KeymakerGames)
용사식당 (Team Tapas)
익스트림풋볼:3대3 멀티 축구 (9M Interactive)
주사위 제국 (반지하게임즈)
큐브이 (izzle)
페트라이더 ((주)뚝딱스튜디오)
프로젝트 마스 (Moontm)
프롬어스 : 새로운 시작 (Kentauros Entertainment)
CAT THE DJ (CATSBY STUDIO)
Domino City (Bad Beans)
Electroad (Night Owl Studio)
Sand Shark : The Boy and The Sea (GABANGMAN STUDIO)

구글플레이가 중소벤처기업부∙창업진흥원과 함께 ‘창구 프로그램 시즌 2’를 진행합니다

Dreamer 소개: 현실 세계 모델을 사용하는 확장 가능한 강화 학습

Google for Games Developer Summit: 게임 개발자를 위한 요약정리

Google Play Indie Games Festival 2020의 Top20 게임을 만나보세요

Contents

검색

Tag

Archive

Feed