컴퓨팅 효율적인 센서를 사용한 전술 슈팅 게임용 인간 유사 AI 에이전트


modl.ai와 Riot Games의 공동 연구를 통해 컴퓨팅 자원이 제한된 환경에서도 인간 수준의 게임 플레이를 구현하는 AI 에이전트 개발에 성공했습니다. 픽셀 없는 레이 캐스팅 센서와 지도 학습을 활용한 혁신적인 기술을 통해 게임 산업에 새로운 가능성을 제시하였습니다.

related iamge

#: 혁신적인 게임 AI 기술의 등장

최근, 인공지능(AI)은 카운터스트라이크와 같은 1인칭 슈팅 게임부터 스타크래프트 II와 같은 실시간 전략 게임, 그리고 그란 투리스모와 같은 레이싱 게임에 이르기까지 다양한 복잡한 비디오 게임에서 에이전트가 숙련된 플레이를 가능하게 했습니다. 하지만 이러한 놀라운 성과에도 불구하고, 상업용 비디오 게임 제작에 AI 기술을 적용하는 데에는 여전히 어려움이 존재합니다. 그 이유는 바로 컴퓨팅 제약 때문입니다. 상업적 게임 환경에서는 대부분의 컴퓨팅 자원이 3D 렌더링에 할당되어 AI 알고리즘, 특히 픽셀 기반 센서에 의존하는 알고리즘에 사용할 수 있는 자원이 매우 제한적입니다. 게다가 학계의 AI 모델이 게임 성능 극대화에 초점을 맞추는 것과 달리, 게임 업계는 플레이어 경험 향상을 위해 인간과 유사한 행동을 하는 AI 에이전트를 만드는 것을 우선시합니다.

이러한 문제점을 해결하고자, Niels Justesen 등 modl.ai 및 Riot Games 연구진은 VALORANT와 유사한 2대2 전술 슈팅 게임에서 추론 시 적은 CPU 하드웨어만 필요로 하는 인공지능(AI) 모델을 학습시키는 새로운 방법론을 제시했습니다. 이 연구는 획기적인 픽셀 없는 지각 아키텍처를 도입했습니다. 이 아키텍처는 중요한 공간 정보를 효율적으로 포착하는 소수의 레이 캐스팅 센서를 사용합니다. 이러한 센서를 통해 AI는 기존 방식의 높은 컴퓨팅 오버헤드 없이도 능숙하게 게임을 플레이할 수 있습니다.

모델은 인간의 움직임 데이터를 이용한 지도 학습을 통해 인간의 행동을 모방하도록 학습되어, 현실적이고 몰입도 높은 AI 에이전트를 생성합니다. 인간 평가 테스트 결과, 이 AI 에이전트는 컴퓨팅 제약 하에서도 효율적으로 작동하면서 인간과 유사한 게임 경험을 제공하는 것으로 확인되었습니다. 이는 전술 슈팅 게임, 그리고 다른 장르의 게임 개발에 있어 중요한 발전입니다. 이 연구는 컴퓨팅 자원이 제한적인 환경에서도 고품질의 AI 에이전트를 개발할 수 있는 가능성을 보여주는 중요한 사례입니다. 앞으로 이 기술은 게임 산업에 혁신적인 변화를 가져올 것으로 기대됩니다.

주요 연구진: Niels Justesen, Maria Kaselimi, Sam Snodgrass 외 modl.ai 및 Riot Games 연구진

주요 내용 요약:

  • 컴퓨팅 효율적인 레이 캐스팅 센서를 사용한 픽셀 없는 지각 아키텍처 개발
  • 인간 플레이어 데이터를 이용한 슈퍼바이즈드 러닝 기반 AI 에이전트 학습
  • 제한된 컴퓨팅 환경에서도 인간과 유사한 게임 플레이가 가능한 AI 에이전트 구현
  • 인간 평가 테스트를 통해 인간 유사 게임 경험과 효율성 검증

*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] Human-like Bots for Tactical Shooters Using Compute-Efficient Sensors

Published:  (Updated: )

Author: Niels Justesen, Maria Kaselimi, Sam Snodgrass, Miruna Vozaru, Matthew Schlegel, Jonas Wingren, Gabriella A. B. Barros, Tobias Mahlmann, Shyam Sudhakaran, Wesley Kerr, Albert Wang, Christoffer Holmgård, Georgios N. Yannakakis, Sebastian Risi, Julian Togelius

http://arxiv.org/abs/2501.00078v1