【先進技術×感動ゲームで未来へ】【23卒】 セガ プログラマ職の通過ES(エントリーシート) No.84376（非公開/非公開）（2022/6/15公開）

私がゲーム業界を志望した理由は，今まで学んできた勉強や研究を活かして質の高いゲームを作りたいからです．私自身，子供のころからゲームが好きであり，ゲーム開発に携われることをしたいと考えておりました．私は大学・大学院での勉強や研究でプログラミングの基本から深層学習モデルの構築といった先端技術まで幅広い内容を学んできました．近年ではゲームの制作規模も大きくなったり，オンラインゲームの市場が大きくなっていたりすることを考えると高いクオリティを維持しながら早くゲームを作ることが求められていると考えています．ですから私はゲーム制作のスピードとクオリティをより高められるようにしたいです． 続きを読む

私の強みは，問題が起きた際に何が原因なのかを冷静に分析し，改善ができることです．大学院の研究にて，思っていたものと異なる結果がでてしまうケースがあります．このようなときでも，現象の確認と先生や研究室のメンバーといった周りの人間との相談を通じて原因の特定を行い，困難を解決していくことができます． 私の弱みは即座に物事を決断できないことです．私の考え方として，何かを決断する際は周りの人間にそれが妥当であるのかアドバイスを求めてから判断する癖がついています．このような場合，誤った判断をしてしまう可能性は減少すると思いますが，その分判断の迅速性が失われてしまうことは欠点になると私は考えています． 続きを読む

私がスマートフォンでの事業に携わりたいと思った理由は，事業媒体の中で最も多くの人口をもち，現在もなお発展途上の分野であると思うからです．スマートフォンゲームは質の向上スピードが著しく，ユーザーが離れないようコンスタントにアップデートを重ねていかなければならないと考えられます．私は研究やサークル活動で培ってきたプログラミングスキルや機械学習の知識を使いゲーム開発の速度と質を上げていきたいです． 続きを読む

私がゲームプログラマを選択した理由は,ゲームシステムの核となるシステム部分を担当できると思ったからです．キャラクターの動きやゲームの流れといったものは直接見える部分でゲームを動かしているという実感しやすく，やりがいがあると考えました．また，Unityは私も大学の頃からよく触れており馴染みも深く，よりスキルを洗練させていきたい思い活躍したいキャリアとして選択しました． 続きを読む

私がプログラミングをしてきて最も困難だったことは，プログラムにまつわる情報不足です．私は研究にて深層学習モデル実装のためのコーディングを行う際にMatlabのDeep Learning Toolbox というアドオンを使用していたのですが，このアドオン自体が近年にできたものであり，情報があまり集まっていないものでした．さらに，研究室は機械学習に強い研究室という訳ではなかったため，実装は自分で進めていく必要があり研究が滞ってしまうこともありました．私が行った解決方法としては２点であります．一つは先生や同じ研究室の学生に相談し，類似する論文を読んで紹介しながら議論をしていくことで実装に必要になる概念を明確化していきました．もう一つはフォーラムサイトの積極的な活用です．時には日本語以外に英語での質問もすることで，実装について障壁となっている部分を一つでも解決できるように努力しました． 続きを読む

私が貴社に就職してしたいことは先進技術を活用し，ゲーム製作に新たな方向からアプローチを仕掛けることで，製作できるゲームのクオリティを向上させるです．私は大学院の研究において，歩行者測位技術にディープラーニングという新たな角度の技術を組み合わせることで測位精度を向上させることができました．新しく開発された技術を使用して，今ある手法の改良をすることでより成果を得ることができるという点についてはゲーム開発環境でも同じことが言えるのではないかと考えています．例えば，現在の環境では制作するゲームの規模はどんどん大きくなっており開発にかかる時間，人手，費用などが増大する傾向にあると考えられております．この負担に対して，近年発達しているAI技術を取り入れることができればその負担を軽減することができ，貴社ではそれを積極的に推進しているとうかがっております．貴社の制作する，全世界に大規模な展開をするタイトルの開発を，先進技術を使ってサポートできるようにしたいというのが，私が貴社でしたいことになります． 続きを読む

私が将来貴社で成し遂げたいことはたくさんの人々を技術的に驚かせ，感動させるゲームを提供していくことです．私は子供のころから様々な媒体やカテゴリのゲームをプレイしてきました．その中でも面白いと思ったゲームというのは大人になってもずっと覚えています．私がゲーム業界を志した理由も子供のころからゲームに感じていたワクワクとした気持ちがずっと残っているからであり，ゲームを遊んでくれる人々にも是非感じてほしいと思っています．そのために私ができることは，大学や大学院で学んできた情報系の知識や経験をフル活用して技術トレンドを掴み，キラリと光るようなセンスでそれを実装することです．近年では日本だけでなく世界中の国で盛んにハイクオリティなゲームが作られており，その中で突出したものを作らなければならず壁は高いですが，その壁を乗り越えられるゲームを提供できたときはきっとたくさんの人々の心に残ると思います． 続きを読む

私が最近熱中したものは「AIのべりすと」という小説執筆を支援するためのwebサービスです．このサービスではTransdformerという自然言語処理を得意とする深層学習モデルを利用して，あらかじめ小説を途中まで書いておくとAIが自動でその続きを執筆するというものです．深層学習モデルを使ったサービスということで私も試してみたのですが，想像してたよりもはるかに自然な文章を出力したことに非常に驚きました．さらに，このサービスの良さとしては，考えている話の展開やキャラクター，舞台設定を入力として与えておくとAI側の出力にも細かく反映されるので，内容を自身でカスタマイズすることが可能であるということです．このサービスは開発主が自作ゲームのチャットボットを制作したいというきっかけから生まれたものであり，個人のアイディアからこのような素晴らしいサービスができるということに感動しました． 続きを読む

歩行者と車両による接触事故を防ぐための方法はいくつかありますが，そのうちの一つに歩行者の位置を歩行者が携帯端末で測位した自位置を周囲の車両へ通知する歩車間通信方式を使ったものがあります．この方式には歩行者の位置をできるだけ正確に測ることが重要ですが，測位方法のひとつにGPSと車両による信号を用いて歩衛間距離，歩車間距離を測り，それを使って歩行者を測位するというものがあります．この方法の利点として歩行者が車両の死角にいる場合や都市部などの建物が多くGPS電波が届かない場合でも高精度の測位が可能であるということです．研究では車両による歩行者測位に注目し，推測に必要となる歩車間距離が時系列データであることを利用して深層学習モデルの一つであるLSTMによりスムーズなを行うことで歩車間距離を正確に求めることのできる測距モデルの作成を目指し，より高精度に歩行者を行うことのできる方式を考案します． 続きを読む

Pythonにて作成した車両と歩行者を3Dマップ上配置したシナリオをRaplabと呼ばれる3Dレイトレイシングシミュレーションにより電波伝搬環境を模擬するためのソフトウェアに読み込み，シミュレーションで得られたデータをMySQL上に格納します．そのDBから必要な値をmatlab に読み込み，同ソフトウェアのDeepLearningToolboxというアドオンを用いて深層学習モデルを作成，測位手法を別途組み込んだプログラムで交差検証を用いて評価を行いました．結果，従来の機械学習では考慮しきれなかった歩車間距離の時系列による相関性が配慮されたことにより平均歩車間距離誤差，平均水平測位誤差共に減少させることに成功しました． 続きを読む

本研究における制作は主に一人で行いました．測位手法のプログラムは過去の先輩の使用していたプログラムコードを引き継ぐ形で行い，シナリオ，DBの作成は過去のプログラムを参考にしながら提案手法に適したプログラムになるように新規で作り直し，深層学習によるモデルは類似の論文をいくつか参考にしながら実装を行いました． 続きを読む

本研究でのアピールポイントは複数の言語やソフトウェアを横断したプログラムを自身で実装していることであると思います．自身で書き直したり，新たに実装したりしたプログラムの総ステップ数は合計2000行ほどであり，長い時間をかけて整えてきたものなります．ですので，研究用のプログラムの実装を通してプログラミングスキルは上達したのではないかと思います．また，私自身の関心から深層学習モデルの構築にも取り組んだところもアピールポイントの一つであり，こちらも長い期間試行錯誤を行った後に完成したものです．LSTMの実装によりシミュレーション用シナリオにおいて大きく測距および測位精度の向上がみられ，研究としての評価が高まった結果国内外での学会で採択され，それらのカンファレンスで登壇させていただけることになりました． 続きを読む

苦労したことについては，研究室は機械学習をメインに行っているところではないため，機械学習，特に深層学習の知識については自分で勉強していくことが重要であることでした．そのため，結果が上手く出ないときは停滞してしまうことも多く，何とかして打破しようと他大学のオンライン講義を受けてみたり英語のフォーラムを積極的に活用していったり等の努力をしていきました．現在の研究の改善としては，深層学習モデルの完成度があります．試行錯誤の末，ある程度形となる学習はできたのですが，研究室で使うGPUのマシンパワーはまだ十分には活かせていないところがあります．これはシミュレーションの中で測距精度に特に影響を与えそうなパラメータを絞って学習させていることがあり，深層学習モデルであればもっと多くのパラメータでチューニングするとよい結果が出ると考えられます． 続きを読む

本研究では深層学習モデルによる歩車間測距を行っておりますが，歩車間の測距を際は，モデルの運用を取り巻く環境が変化した場合でもその変化を自律的に察知して補正していく動きも実装目標です．しかし，現行のモデルではその機能を支えるプログラムの実装はできておらず，測距終了後の測位段階で少し補正を行うのみとなっています．この機能を取り入れるには深層学習の概念に強化学習の要素を加える必要があるため，私が実装したい方式の中でどのようにそれを行っていくのかが今後の課題であり，未完部分となっています． 続きを読む