복식에서 어렵다고 느낀 건 샷 기술보다 어디에 서고 무엇을 칠지 판단하는 일이었다. 이 판단을 연습할 수 있는 웹게임을 만들었다. 공이 오면 게임이 멈추고, 내가 고른 선택이 랠리 승률로 얼마나 좋은 선택이었는지 알려 준다.
게임 구성#
- Three.js로 만든 3D 코트. 아이레벨 시점과 중계 시점을 오갈 수 있다.
- 판단 시점은 9종: 서브 종류, 리시브 위치, 내 샷과 코스, 샷 후 위치, 파트너 샷 후 위치, 가운데 공, 앞에서 끊기, 아웃 판단 등.
- 선택하면 등급(최선·좋음·아쉬움·실수)과 선택지별 승률 막대가 나오고, 경기가 끝나면 어떤 종류의 판단이 약했는지 리포트가 나온다.
엔진: 물리와 확률을 합치기#
셔틀 궤적은 2차 공기저항을 넣어 수치 적분한다(종단속도 6.8 m/s). 목표 지점에 맞도록 속도와 발사각을 역산한다.
**오차(지터)**는 목표 지점과 각도에 정규분포 오차를 준다. 그러면 네트 걸림과 아웃이 코드로 따로 지정하지 않아도 물리적으로 생긴다. 늦게 받거나, 백핸드이거나, 뒤로 물러나며 칠수록 오차가 커진다.
승률은 “타점 품질 q”가 높을수록 이길 확률이 올라가는 식, V(q) = 0.314 + 0.446·q로 잡았다. 계수는 AI끼리 1,500랠리를 돌려 서브 팀 승률이 47% 정도가 되도록 반복해서 맞췄다. 선택지별 승률은 같은 난수열로 40번 시뮬레이션해서 비교한다.
검증: 코칭 원칙과 방향이 같은가#
엔진이 만든 숫자가 상식과 맞는지 확인했다.
- 상대가 리프트(높이 띄운 공)를 보내면 스매시가 가장 좋고 드롭, 클리어 순이다.
- 롱 서브 뒤에는 앞뒤보다 좌우 대형이 낫다.
- 숏 서브 뒤에는 서버가 앞에 서는 쪽이 낫다.
- 네트샷 뒤에는 전위를 유지하는 쪽이 낫다.
모두 방향이 맞았다. 다만 스매시 뒤 위치 선택지 사이의 차이는 58~61%로 아주 작아서, 이 부분은 판단 연습으로서 변별력이 약하다.
만들면서 느낀 점#
확률 모델은 “정답”을 알려 주는 게 아니라 추정치를 일관되게 보여 주는 도구다. 그래서 숫자 자체보다 “같은 상황에서 선택지 사이의 차이가 얼마나 나는가”를 보게 했고, 모델이 틀릴 수 있는 곳(스매시 후 위치)은 한계로 적어 두었다.