AgentGarten: Code Worlds for Evolving Agents

이 논문은 게임엔진의 정확한 상태 관리와 신경망 렌더러의 사실적인 화면 생성을 결합해, 에이전트가 안에서 진짜로 배우고 진화하는 '코드로 짜는 가상세계'를 만든 프레임워크다.

이 논문은 한마디로 에이전트 훈련용 가상세계를 코드로 쉽게 찍어내면서도 화면은 사실적으로 보이게 만든 프레임워크(AgentGarten)다. 시뮬레이터가 세계의 상태와 규칙을 정확히 관리하고, 영상 생성 모델을 갈아 만든 실시간 신경망 렌더러가 화면만 담당하는 분업 구조가 핵심이다. 숨바꼭질 실험에서 에이전트는 렌더된 화면만 보고 4라운드 만에 기존 강화학습이 수백만 라운드 걸려 배운 전략(은신처 짓기)을 익혔다. 경험을 글로 정리한 플레이북을 다음 에이전트가 물려받아 세대를 거듭하며 더 똑똑해지는, 진화하는 에이전트 구조를 보여준다.

핵심 요약

• 엔진은 상태와 규칙을, 신경망 렌더러는 화면 생성만 담당하는 분업 구조로 새 가상세계를 3D 에셋 없이 코드만으로 만들 수 있게 했다.
• 사전학습 영상 모델을 실시간 렌더러로 증류하는 Adversarial Forcing 기법으로 긴 롤아웃에서도 화면 품질이 무너지지 않게 했다.
• 에이전트가 기존 강화학습 대비 수백만 배 적은 4라운드 만에 은신처 짓기 같은 전략을 익혔다.
• 실패를 되새겨 글로 적은 플레이북을 다음 에이전트가 상속·개선하는 방식으로 세대 간 진화가 일어났다.
• 이미지 한 장이나 텍스트 묘사만으로 코딩 에이전트가 새 세계를 자동 생성·확장하게 만들어 환경 확장성을 확보했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.