로보틱스 연구
행동 기반 세계 모델을 활용한 자율 탐색 게임 맵 자동 생성
Valerant: An Automatic Navigable Game Map Generator via Action-Conditioned World Model Exploration
arXiv행동 기반 세계 모델(WAM)을 활용하여 자율적으로 탐색 가능한 3차원 게임 맵을 자동으로 생성하는 프레임워크 'Valerant'가 개발되었습니다.
세 줄 요약
- Valerant는 예측 시각 정보와 SLAM 기반 공간 재구성을 결합해, 단일 이미지를 지속적이고 상호작용 가능한 3D 게임 환경으로 점진적으로 변환합니다.
- 기존의 2D 시뮬레이션 한계를 넘어 가상 세계 자체를 물리적 공간으로 구현함으로써, 수동적인 맵 제작 노력을 혁신적으로 줄여줍니다.
- 본 프레임워크는 사전 학습된 WAM을 전제로 하며, 3D 게임 환경에서 자율 탐색 및 상호작용이 가능한 새로운 기술 패러다임을 제시합니다.
세계 행동 모델(WAM)은 예측적 세계 모델링과 행동 생성을 결합하여 의 행동에 예상되는 미래 상태를 반영합니다. WAM은 체화된 AI 분야에서 빠르게 발전하고 있지만, 일반적인 게임 환경에서의 활용은 아직 탐구되지 않은 영역입니다. 기존의 게임 지향 접근 방식들은 주로 2D 시각 관찰 공간에서 작동하며 지속적인 3D 기하학적 구조를 구현하지 못하는 한계가 있습니다.
본 연구에서 제시된 Valerant는 사전 학습된 행동 기반 세계 모델을 WAM으로 변환하여 3D 게임 맵을 탐색하고 구축할 수 있게 하는 트레이닝-프리 프레임워크입니다. 이 프레임워크는 예측적 시각 롤아웃과 SLAM 기반의 공간 재구성을 결합하며, 탐색 주도 행동 선택을 통해 단일 이미지를 지속적인 3D 게임 맵으로 점진적으로 변환합니다.
Valerant를 통해 WAM 기반 상호작용은 2D 시각 시뮬레이션을 넘어 확장됩니다. 이는 가상 세계 자체에 물리적 공간의 특성을 부여하여, 수동적인 노력 없이도 3D 게임 맵을 생성하는 새로운 접근 방식을 제공합니다.
용어 풀이
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.