TTRPG 개발에서 몬스터 밸런스 조절은 핵심이지만 노동 집약적인 작업입니다. Pathfinder와 같은 시스템에서는 몬스터의 수많은 속성을 기반으로 레벨이 결정됩니다. 본 연구는 머신러닝을 활용하여 몬스터 속성으로부터 레벨을 예측하는 방법을 제시합니다.
Pathfinder Second Edition 데이터로 구축된 최초의 TTRPG 몬스터 레벨 예측 데이터셋을 활용하여 다양한 회귀 모델을 비교했습니다. 트리 기반 앙상블 모델이 선형 모델과 신경망보다 뛰어난 성능을 보이며, 거의 완벽한 순위 예측과 높은 정확도를 달성했습니다.
모델 분석 결과, 머신러닝은 디자이너의 판단을 신뢰성 있게 모방하고 게임 규칙에 기반한 패턴을 따르며, 몬스터 밸런싱 및 TTRPG 시스템 디자인을 위한 효과적인 컴퓨터 지원 도구로 활용될 수 있음을 확인했습니다.