Valerant: An Automatic Navigable Game Map Generator via Action-Conditioned World Model Exploration | AIChainDay

한국어 요약by Claude · 2026. 9. 12.

Valerant는 사전학습된 행동 조건부 세계 모델을 별도 학습 없이 3D 게임 맵을 탐색·구축하는 세계행동모델(WAM)로 변환하는 프레임워크다. 자율주행이나 로보틱스와 달리 게임은 지속적인 3D 환경 자체가 존재하지 않아 가상 세계를 처음부터 구현해야 하는 독특한 과제를 안고 있다. Valerant는 예측적 시각 롤아웃과 SLAM 기반 공간 재구성, 탐색 기반 행동 선택을 결합해 단일 이미지를 점진적으로 지속 가능한 3D 게임 맵으로 변환한다. 이는 기존 2D 시각 시뮬레이션에 머물던 WAM 기반 상호작용을 3D로 확장하고, 3D 게임 맵 제작에 드는 수작업을 줄이는 새로운 접근을 제시한다.

•별도 학습 없이 기존 사전학습 모델을 WAM으로 전환하는 훈련-프리 프레임워크
•예측적 시각 롤아웃과 SLAM 기반 공간 재구성을 결합
•단일 이미지에서 점진적으로 지속 가능한 3D 게임 맵 생성
•3D 게임 맵 제작의 수작업 부담을 줄이는 새로운 접근법 제시

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 9월 10일AI 점수: 70%

Valerant: An Automatic Navigable Game Map Generator via Action-Conditioned World Model Exploration

출처:arXiv cs.AI

AI 인사이트

개발자

1.사전학습된 행동조건부 월드모델을 3D 게임맵 생성용 WAM으로 바꾸는 학습 불필요 프레임워크 Valerant 제안
2.예측적 시각 롤아웃과 SLAM 기반 공간 재구성, 탐색 기반 행동 선택을 결합해 단일 이미지에서 지속적인 3D 맵 구성
3.기존 게임용 WAM 연구가 2D 시각 관측 공간에 머문 것과 달리 명시적 3D 기하 구조를 인스턴스화
4.3D 게임맵 제작의 수작업 부담을 줄이는 새로운 접근 제시

왜 중요한가?

로보틱스·자율주행과 달리 게임은 가상 세계 자체를 모델이 만들어내야 하는데, Valerant는 추가 학습 없이 기존 월드모델을 재활용해 3D 맵을 자동 생성함으로써 게임 콘텐츠 제작 파이프라인에 적용 가능한 실용적 경로를 보여준다.

언급 프로젝트

Valerant

본문 미리보기

arXiv:2609.09418v1 Announce Type: new Abstract: World Action Models (WAMs) couple predictive world modeling with action generation, allowing anticipated future states to guide agent behavior. Although WAMs are rapidly advancing embodied AI, general-purpose counterparts remain largely unexplored in games. Existing game-oriented approaches often combine action-conditioned world models with external policies and reward functions to realize WAM-like decision-making, yet they operate mainly in 2D vi

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기