중국에서 온 이 AI 백서에서는 마인랜드를 제안합니다: 멀티 에이전트 시뮬레이션과 실제 세계의 복잡성 간 격차를 해소하는 멀티 에이전트 마인크래프트 시뮬레이터
인공 지능 분야는 최근 연구자들이 기계가 달성할 수 있는 한계에 끊임없이 도전하면서 상당한 발전을 거듭하고 있습니다. 특히 많은 관심을 받고 있는 분야 중 하나는 다중 에이전트 시뮬레이터를 만드는 것으로, AI 개체가 서로 및 주변 환경과 상호 작용할 수 있는 가상 환경을 구축하는 것입니다. 이러한 시뮬레이션은 집단 행동, 사회적 역학, 복잡한 시스템의 출현을 탐구할 수 있는 탁월한 기회를 제공합니다. 그럼에도 불구하고 현재의 수많은 다중 에이전트 시뮬레이터는 참여 에이전트의 완벽한 정보와 무한한 용량을 가정하여 이상적인 상황에서 작동합니다. 따라서 실제 세계의 한계와 이러한 불일치로 인해 시뮬레이션 컨텍스트 내에서 관찰되는 상호작용의 환경적 관련성과 복잡성이 제한될 수 있습니다.
앞서 언급한 한계를 해결하기 위해 유니티는 에이전트 행동과 커뮤니케이션의 주요 결정 요인으로 제한된 다중 모드 감각 입력과 필수 생리적 요건을 통합한 Minecraft 기반 최첨단 시뮬레이션 시스템인 MineLand를 선보입니다. 마인랜드의 아키텍처는 매우 많은 수의 에이전트를 수용할 수 있도록 독창적으로 제작되어 표준 소비자 데스크톱 하드웨어에서 48명의 에이전트를 수용하는 놀라운 용량을 달성했습니다. 전위적인 디자인 철학을 채택함으로써 이러한 놀라운 수준의 성능과 리소스 효율성을 달성할 수 있었습니다. 에이전트가 유한한 다중 모드 감도를 보인다는 가정에서 영감을 얻은 MineLand의 가상 엔티티는 시각과 청각이 제한된 부분적으로 관찰 가능한 환경 내에 존재합니다. 이러한 조건은 실제 인간의 경험을 매우 유사하게 반영하여
자원 추출, 기술 발전, 전투 전술, 생존 전략, 건설 프로젝트, 라이브 공연 등 다양한 작업 구성과 도전 과제를 MineLand에서 제공합니다. 사용자는 플레이어 수를 자유롭게 조정하고, 협력 또는 경쟁을 선택하고, 표준 자유 모드를 선택할 수 있습니다. 이러한 다재다능함 덕분에 MineLand는 새로운 멀티 에이전트 능력을 평가하는 데 탁월한 기반이 됩니다. 연구원들은 인지 과학의 멀티태스킹 개념을 기반으로 Alex(그림 3 참조)라는 AI 에이전트 아키텍처를 고안했습니다. 이 프레임워크는 수많은 과제 간의 복잡한 인터태스크 조정 및 스케줄링의 동시 시뮬레이션과 운영을 용이하게 합니다.이는 에이전트가 집중력과 작업 기억을 효율적으로 관리하고 통신 간에 쉽게 전환할 수 있는 멀티태스킹 요소로 구성되어 있습니다.
연구진은 MineLand와 Alex를 사용한 실험 조사를 통해 몇 가지 주목할 만한 발견을 발견했습니다. 특히, 멀티모달 데이터를 통합하면 에이전트가 더 적합한 작업을 수행할 수 있고, 멀티태스킹 메커니즘을 활용하면 에이전트가 스스로 우선순위를 결정하여 여러 작업을 동시에 처리할 수 있다는 사실이 밝혀졌습니다. 또한 감각 입력의 제한으로 인해 에이전트는 이러한 단점을 보완하기 위해 적극적으로 소통해야 했고, 생리적 요구 사항을 갖춘 에이전트는 실제 시나리오를 반영하여 수명이 연장되는 것으로 나타났습니다. 흥미로운 점은 상담원 간의 협업으로 인해 상담원 개개인의 업무량이 감소했지만 상담원 간 커뮤니케이션 비용이 증가했다는 점입니다. 마지막으로 연구진은 성격 특성이
마인랜드는 제한된 다중 모드 인식과 물리적 요구 사항을 통합하여 가상 에이전트와 실제 인간을 연결하는 데 중요한 발전을 이루었다는 것을 확인했습니다. 이 시뮬레이터는 에이전트 상호 작용과 복잡한 사회 현상을 조사하기 위한 보다 사실적이고 미묘한 환경을 제공합니다. 마인랜드와 알렉스에서 얻은 결과는 인간 역학, 사회 심리학, 로봇 공학, 비디오 게임 디자인과 같은 분야에서 상당한 유용성을 보여주면서 AI 다중 에이전트 시스템에 대한 이해를 높이는 데 중요한 역할을 하고 있습니다. 연구자들이 이 상상력 넘치는 플랫폼의 범위를 지속적으로 탐구함에 따라, 구현된 AI 다중 에이전트 시스템 영역에서 자극적인 혁신과 지속적인 성장이 있을 것으로 예상됩니다.
논문 및 Github 을 확인하세요. 이 연구에 대한 모든 저작권은 이 프로젝트의 연구진에게 있습니다. 또한 트위터를 팔로우하는 것도 잊지 마세요. 텔레그램 채널, 디스코드 채널, 링크드인 그룹에 가입하세요.
저희 서비스에 감사하는 분들께는 최신 제품 및 업데이트에 대한 정보를 얻을 수 있는 훌륭한 플랫폼인 뉴스레터를 구독해 주시기 바랍니다.
현재 39,000명 이상의 회원을 보유한 Reddit의 방대한 머신러닝 커뮤니티의 일원이 될 수 있는 기회를 놓치지 마세요.
Google, NVIDIA, Meta, Stanford, MIT, Microsoft 등 유명 기관의 전문가들이 구독하는 빠르게 확장되고 있는 AI 연구 뉴스레터에 가입하세요.