[논문리뷰] Code2Games: Enabling Coding Agents for Gaming World Generation

링크: 논문 PDF로 바로 열기

메타데이터

저자: Wei Wu, Ziyang Xu, Zeyu Zhang, Yang Zhao, Hao Tang et al.

1. Key Terms & Definitions (핵심 용어 및 정의)

• Scene-Gameplay Representation: 3D 공간 제약 조건, 게임플레이 요구 사항, 그리고 각 요소 간의 영속적인 대응 관계(Persistent Correspondence)를 통합 관리하는 중간 표현 프레임워크입니다.
• Execution-Guided Reconstruction: 생성된 게임 월드를 Unreal Engine 5에 배포한 후, 컴파일 진단, 런타임 피드백, 테스트 결과를 활용해 불일치를 자동으로 수정하는 반복적 복구 프로세스입니다.
• GameCode4D: 10개의 고정 게임 프롬프트로 구성된 벤치마크로, 장면 구조의 복잡성과 게임플레이 논리의 복잡성을 체계적으로 평가하기 위해 설계되었습니다.
• Persistent Correspondence: 게임 의도, Blender 기반 장면, Unreal Engine 내 액터 및 논리적 단위 간의 관계를 고유 ID로 유지하여 부분 수정(Repair)을 가능하게 하는 기술입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 자연어 게임 의도에서 고품질의 상호작용 가능한 게임 월드를 일관성 있게 생성하는 문제를 해결하고자 합니다. 기존의 코딩 에이전트 기반 연구들은 개별 자산이나 스크립트를 생성하는 데는 성공했으나, 장면의 구조, 공간적 배치, 그리고 실행 가능한 게임 로직 간의 통합적인 일관성을 유지하는 데 한계를 보입니다 [Figure 3]. 결과적으로 시각적으로는 타당해 보여도 게임플레이 측면에서 상호작용이 불가능하거나 논리적 오류가 발생하는 문제가 지속되었습니다. 이를 극복하기 위해 본 연구는 의도와 실행 환경 사이의 명확한 대응 관계를 보존하며, 생성 후 실행 피드백을 통해 오류를 수정하는 새로운 에이전트 프레임워크를 제안합니다.

Figure 3 — Code2Games 전체 아키텍처

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 Code2Games 프레임워크를 제안하며, 이는 장면 분석, 게임플레이 계획, 게임 월드 생성, 그리고 Unreal Engine 5 커스터마이제이션 단계를 거칩니다 [Figure 3]. 제안 방법론의 핵심은 Scene-Gameplay Representation을 통해 Blender 기반의 3D 공간과 Unreal Engine의 게임 로직을 유기적으로 연결하고, Execution-Guided Reconstruction을 통해 반복적으로 완성도를 높이는 것입니다 [Figure 3]. 실험 결과, Code2Games는 기존 베이스라인 대비 Visual Quality와 Interactive Fidelity에서 일관되게 높은 성능을 보였습니다 [Table 1]. 특히 Claude Opus 5 기반 설정에서는 Build 성공률이 97.7%에 달하며, 가장 복잡한 평가 지표인 Human 점수에서도 우위를 점했습니다 [Table 1]. 이외에도 장면 정보와 게임플레이 로직을 모두 활용했을 때 물리적 타당성(Physics)과 설정 준수(Setting) 성능이 각각 최대 성능에 도달함을 확인하였습니다 [Table 2, 3].

4. Conclusion & Impact (결론 및 시사점)

본 논문은 자연어 게임 의도를 실행 가능한 게임 프로젝트로 성공적으로 변환하는 통합 에이전트 프레임워크인 Code2Games를 성공적으로 제시했습니다. 이 연구는 게임 생성 과정에서 장면 구조와 게임 로직 간의 정밀한 대응 관계를 유지하는 것이 최종 게임의 품질과 실행 가능성에 필수적임을 입증했습니다. 학계 및 산업계 관점에서는 생성 AI가 단순한 자산 생성을 넘어, 실제 상호작용이 가능한 복잡한 게임 시스템 개발을 자동화할 수 있는 경로를 개척했다는 점에서 큰 의의가 있습니다. 본 연구의 결과와 GameCode4D 벤치마크는 향후 에이전트 기반 소프트웨어 개발 분야의 표준 평가 체계를 형성하는 데 기여할 것으로 기대됩니다.

Figure 1 — 제안 모델 생성 게임 예시

Figure 4 — 정성적 생성 결과 예시

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.