Intro
코로나 사태로 Unite Now 2020 온라인 웨비나가 진행중입니다. 여러가지 좋은 세션들이 Unity와 Unity Korea 공식 유튜브 채널에 업로드 되고있습니다. Unity Korea채널에 올라오는 세션들은 Unity채널의 영상을 번역한 영상입니다.
Unity Unite Now
https://www.youtube.com/playlist?list=PLX2vGYjWbI0Qi7Z-OdEO5WOtyktK1XGu4
Unity Korea
https://www.youtube.com/c/UnityKoreaHi/videos
Unity Square Webinar
http://unitysquare.co.kr/growwith/webinar
기존 에셋 번들 정리
애셋 번들... 삼둥이를 키우는 행복을 기대하면서 에셋 번들을 도입하면?
.
.
.
현실은 우리아이가 달라졌어요...
.png)
여러가지 문제가 발생하게 된다. 코드도 복잡하고 적용도 힘든데 메모리 문제가 발생하게된다.
에셋 번들을 프로젝트에 적용하는 단계
로컬에서 에셋 번들을 로드하는 단계
.png)
서버에서 에셋 번들을 로드하는 단계
하지만 이대로 쓰면 안된다고 강조. 에셋간 종속성이 적용이 안되어있고, 그로인해 에셋들이 메모리에 중복되어 올라가는 경우가 발생할 수 있다.
.png)
에셋 번들 사용 예제
종속성을 확인하고 로드해야하기 때문에 코드가 복잡해지게 된다.
.png)
Addressable 소개
Addressable은 에셋 번들의 단점들을 보완할 수 있도록 새로 개발된 시스템이다.
에셋에 Addressable을 체크하고 Asse 자체에 이름을 설정한다. Group 분류는 하나의 번들 파일 자체가 나뉘는 기준이다. 자세한 Addressable 사용 방법과 예제는 다른 포스트로 정리할 예정이다.
https://www.youtube.com/watch?v=6IlIA2eLk0I&list=LLQLjFJxhgh41ErYKfS1kmdg&index=4&t=0s
Adaptive Performance
Webinar: 안정적인 게임 성능을 유지하는 방법, Adaptive Performance
Burst Compiler
버스트 컴파일러를 사용한 안드로이드 모바일 최적화
- 엔티티 (아직 그닥)
- C# 잡 시스템 (추천)
- 버스트 컴파일러 (잡 시스템이랑 같이 쓰면 좋음)
3가지 방법을 꼭 같이 써야하는 것은 아니다.
컴파일 과정 설명
Mono
C# → IL → mono → Android (JIT 방식)
IL2CPP
C# → IL → CPP → NDK(를 통해서) → Android (AOT 방식)
IL2CPP 방식이 성능이 더 좋다. 요즘 모바일은 전부 IL2CPP
버스트 컴파일러
C# -> IL -> Burst ->NDK(를 통해서)-> Android
버스트는 적용하는데 크게 부담이 없기 때문에 가볍게 적용해봐도 괜찮다.
프로파일링
Introduction to profiling in Unity | Unite Now 2020
코로나 이후 게임 시장 변화 보고서
보고서 다운로드 주소
Unity Square
새로운 인풋 시스템
예전 유니티 인풋 매니저를 사용하는게 아니라 명시적으로 빠져있고 컨트롤러 또한 명시적으로 지정할 수 있다. 또한 에셋으로 따로 빠져있기 때문에 이전처럼 하드코딩할 필요가 없다.
Project Settings 에서 이전 버전의 유니티 인풋 매니저를 사용할 것인지 새로운 인풋 시스템을 사용할 것인지 선택할 수 있다.
XR
AR foundation : 개발하기 위한 도구
MARS : AR 제작 도구. 유니티 안에서 실제 현실처럼 테스트 해볼 수 있다.
VR은 URP 뿐만 아니라 HDRP 로도 빌드 가능하다.
XR Plug-in Management 를 통해서 별도의 플러그인을 다운받을 필요가 없어졌다.
VR 같은 경우에 여러가지 예제 프로젝트도 있고 몇 개의 컴포넌트만 추가하면 텔레포트나 집기를 쉽게 구현할 수 있다.
ML(머신러닝)
유니티 Dev Weeks 에 올라와 있음 (유니티 코리아 채널)
ML-Agents and Game Simulation
기존에 이미 있는 머신러닝 모델을 가지고 어떻게 유니티 가상환경에서 사용할 수 있는지. 트레이닝 환경을 제공한다라고 보면 된다.
(사용하는 머신러닝은 텐서플로우를 사용)
ML-agents 예제들 깃헙 주소
GitHub - Unity-Technologies/ml-agents: Unity Machine Learning Agents Toolkit
파이썬으로 텐서플로우 라이브러리를 사용하여 유니티를 통해 학습한다.
머신러닝을 잘 몰라도 유니티를 할 줄 알면 머신러닝을 활용할 수 있다.
얼마나 학습을 할 수 있는 환경을 만들어 주느냐가 관건
