엔비디아, 게임 엔진 대신 신경망 기반으로 '팩맨' 게임 환경 생성

엔비디아 리서치에서 개발한 강력한 AI 모델인 엔비디아 GameGAN이 팩맨을 성공적으로 재현했다./엔비디아

엔비디아는 생성적 대립 신경망(GAN) 'GameGAN'을 활용해 기초 엔진 없이 인공지능(AI)을 기반으로 게임 '팩맨(PAC-MAN)'의 5만여개 에피소드를 학습하고, 이를 복고풍 클래식 게임으로 재탄생시켰다고 25일 밝혔다.

팩맨은 40년 전 처음 일본에서 출시된 게임이다. 

'GameGAN'은 엔비디아 리서치에서 개발한 AI 모델로, 컴퓨터 게임 엔진을 모방한 최초의 신경망 모델이다. GAN 기반 모델은 생성모델과 분류모델이라는 두 개의 신경망으로 구성됐으며 원본과 흡사한 새로운 콘텐츠 생성 방법을 학습한다. 

이 모델은 5만개의 팩맨 에피소드를 훈련한 후 게임의 기본 규칙이 담긴 게임 엔진 없이도 이를 재현해내는 데 성공했다. 인공 에이전트가 GAN 생성 게임을 플레이하면서 GameGAN은 에이전트의 행동에 대응하며, 게임 환경 속 새로운 프레임을 실시간으로 생성하고 다양한 레벨과 버전을 갖춘 게임의 스크린 플레이를 학습한 다음, 단 한번도 본 적 없던 게임 레이아웃을 생성하는 식이다. 

GAN은 게임의 종류와 상관없이 단순히 과거 게임 플레이가 녹화된 스크린과 에이전트의 키스트로크(keystroke) 정보를 수집하며 규칙을 학습한다. 게임 개발자는 이와 같은 도구를 사용해 기존 게임 레벨의 스크린플레이를 학습 데이터로 삼아 해당 게임의 새로운 레이아웃을 자동으로 구성할 수 있다.

이러한 기능은 게임 개발자가 새로운 게임 레벨의 레이아웃을 자동으로 생성할 때, 혹은 AI 연구원이 자율 머신 훈련을 위한 시뮬레이터 시스템을 쉽게 개발하고 싶을 때 사용할 수 있다.

게임 제작사 반다이 남코 엔터테인먼트(BANDAI NAMCO Entertainment)의 연구 개발사 반다이 남코 리서치(BANDAI NAMCO Research Inc.)의 데이터를 활용해 토론토에 위치한 엔비디아 AI 리서치 랩(NVIDIA AI Research Lab)의 김승욱 연구원과 관계자들은 엔비디아 DGX 시스템을 기반으로 팩맨 에피소드(총 수백만 프레임)의 신경망과 게임을 플레이하는 AI 에이전트의 키스트로크 데이터를 짝을 지어 훈련시켰다.

올 하반기 누구나 엔비디아 AI 플레이그라운드(AI Playground)에서 이 연구를 통해 개발된 데모 게임을 경험할 수 있다. 

GameGAN 에디션은 기존의 게임 엔진 대신 신경망을 기반으로 팩맨의 게임 환경을 생성한다. AI는 한 프레임에서 다른 프레임으로 이동할 때마다 시각적인 일관성을 유지하기 위해 앞서 무엇이 생성됐는지 기억해 가상 세계를 추적한다.

훈련된 GameGAN 모델은 일관된 미로 모양, 점, 파워 펠렛(Power Pellets)과 같이 게임 환경에서 고정되어 움직이지 않는 요소와 고스트나 팩맨처럼 움직이는 요소들을 생성한다.

또 게임의 간단하거나 복잡한 주요 규칙들을 모두 학습한다. 기존의 게임 규칙과 같이 팩맨은 미로의 벽을 뚫고 이동할 수 없고 미로 속에서 이동하면서 점을 먹고, 펠렛을 먹으면 유령이 파란색으로 변하며 달아난다. 팩맨이 미로의 한쪽 모서리로 빠져나가면 반대편 모서리로 순간 이동하게 된다. 유령과 부딪치면 화면이 깜빡이며 게임이 끝난다.

GameGAN 모델은 움직이는 캐릭터와 배경을 분리할 수 있기 때문에, 야외 미로로 배경을 재구성하거나 팩맨을 사용자가 좋아하는 이모티콘으로 바꿀 수 있다. 게임 개발자들은 이 기능을 사용해 새로운 캐릭터 아이디어나 게임 테마를 실험할 수 있다.

 

김승욱 엔비디아 연구원 겸 프로젝트 수석 저자./엔비디아

김승욱 엔비디아 연구원 겸 프로젝트 수석 저자는 “GameGAN은 GAN 기반 신경망을 활용해 게임 엔진을 모방한 최초의 연구"라며 "우리는 AI가 게임 속 움직이는 에이전트의 스크린 플레이만 보고 주어진 환경의 규칙을 학습할 수 있는지 확인하고 싶었고, AI가 이를 해냈다”고 말했다.

자율 로봇은 보통 AI가 현실 세계의 사물들과 상호 작용하기에 앞서 특정 환경 속 규칙을 시뮬레이터를 통해 학습한다. 개발자는 사물들이 상호 작용하는 방식과 환경 속에서 조명이 어떻게 작동할지에 대한 규칙을 코딩해야 하기 때문에 시뮬레이터를 개발하는 데 많은 시간이 소요된다.

시뮬레이터는 사물을 옮기는 방법을 학습하는 물류창고 로봇에서부터 음식이나 의약품을 운반하기 위해 길을 찾는 운반 로봇 등 모든 종류의 자율 머신 개발에 사용된다.

GameGAN은 이와 같은 용도의 복잡한 시뮬레이터 개발 과정을 간단한 신경망 학습으로 대체할 수 있다는 가능성을 보여줬다고 엔비디아는 설명했다.

저작권자 © KIPOST(키포스트) 무단전재 및 재배포 금지