Gamer, 3D 게임에서 숙련 플레이어 효율 달성
[Paper & Models] Gamer: A Generalist Vision-Language-Action Foundation Model for Long-Horizon Real-Time Game Agent
·2026.11.16 19:58
핵심 내용
Gamer가 스파스 씽킹 튜닝과 멀티턴 RL로 3D 게임에서 숙련 플레이어 수준의 효율을 달성했다
자세히 보기
- 복잡한 상호작용 환경에서 장기 과제 수행을 위한 범용 에이전트 프레임워크 Gamer를 제안하며, 지각, 메모리 관리, 다단계 추론을 통합한 엔드투엔드 아키텍처를 특징으로 함
- 시뮬레이션 게임과 임바디드 환경을 아우르는 수만 시간 분량의 디바이스 레벨 키보드 및 마우스 조작 데이터로 학습하여 물리적 및 가상 도메인 역학을 습득함
- 중복 계산 감소를 위한 스파스 씽킹 인스트럭션 튜닝과 유한 컨텍스트 윈도우, 누적 롤아웃 오류, 희소 보상 문제를 해결하기 위한 안정적 멀티턴 강화학습 기법을 활용함
- 도전적인 3D 오픈월드 게임에서 숙련 플레이어에 준하는 일반화 성능과 운영 효율성을 입증하고, 기존 2D 게임 벤치마크에서도 경쟁력 있는 결과를 달성함
- 다수의 시뮬레이션 게임 환경을 동시에 처리하고 무한 컨텍스트 실행을 지원하며 낮은 온라인 추론 지연 시간을 유지하는 클라우드-엣지 추론 엔진을 적용함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.