[논문리뷰] Recursive Game Creator: An Agentic Product-Level Experience-Oriented Game Harness

링크: 논문 PDF로 바로 열기

메타데이터

저자: Jiajun Chen, Haoyu Wu, Mingda Jia, Xihui Liu

---

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

• Recursive Game Creator: 게임 개발의 전 과정을 Designer, Builder, Player, Reviewer라는 4개의 에이전트 역할로 세분화하여, 사용자 요구사항을 만족할 때까지 반복적으로 게임을 정교화하는 프레임워크입니다.
• Coding-Native Player: GUI 기반의 비효율적인 테스트 방식 대신, 게임의 프로그래밍 인터페이스를 직접 활용하여 실행 가능한 Policy를 생성하고 효율적으로 Gameplay Trajectories를 수집하는 에이전트입니다.
• Experience-Oriented Reviewer: 게임의 단순 기능적 오류를 넘어, 수집된 Trajectories와 시각적 증거를 분석하여 게임의 난이도, 서사적 흐름, 사용자 선호도 등을 평가하고 다음 개발 라운드를 위한 피드백을 제공합니다.
• GameCraft-Bench & GameASG-Bench: 본 논문에서 제안한 프레임워크의 성능을 측정하기 위한 표준 벤치마크로, 각각 게임 품질 및 요구사항 충족도를 평가합니다.

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

본 논문은 기존의 코드 생성 에이전트들이 실행 가능한 게임을 생성할 수는 있으나, 실제로 플레이어가 즐길 수 있는 'Product-Level' 수준의 재미와 완성도를 보장하지 못한다는 문제점에서 출발합니다. 기존 연구들은 주로 GUI 기반의 테스트를 수행하여 비효율적일 뿐만 아니라, 세부적인 게임 상태 정보나 의도적인 플레이어 행동을 포착하는 데 한계가 있습니다. 결과적으로 개발 과정이 단순한 프로토타이핑에 머무르고, 실제 사용자의 경험과 선호도를 게임 정교화 과정에 효과적으로 반영하지 못하는 정체 현상이 발생합니다. 따라서 본 연구는 게임의 재미와 플레이 경험을 중심으로 한 반복적이고 자동화된 개발 harness가 필요하다고 강조합니다 [Figure 2].

Figure 2 — 전체 순환 개발 워크플로우

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

본 논문은 Designer, Builder, Coding-Native Player, Reviewer가 순환적으로 협업하여 게임을 발전시키는 Recursive Self-Improvement 프레임워크를 제안합니다. Designer가 사용자 요구사항을 바탕으로 설계를 확장하면, Builder가 이를 코드와 에셋으로 구현하고, Coding-Native Player가 프로그래밍 방식으로 다양한 플레이 전략을 실행하여 고품질의 Trajectories를 대량 수집합니다. 이후 Reviewer가 수집된 데이터를 바탕으로 일반적 평가 지표와 게임별 세부 기준(Rubrics)을 결합하여 정교한 피드백을 생성하고, 이를 Designer에게 전달하여 다음 라운드의 개선을 유도합니다 [Figure 2]. 주요 실험 결과, 제안 모델은 GameCraft-Bench에서 최종 전체 점수 77.89를 달성하여 SOTA 성능을 기록했습니다 [Table 1]. 또한 GameASG-Bench에서는 53.2%의 엄격한 작업 성공률(Task success rate)을 기록하며, 동일 모델 베이스라인 대비 34.1%의 비약적인 성능 향상을 보였으며, 93.4%라는 최고 수준의 평균 런타임 체크 통과율을 달성하였습니다 [Table 2].

4. Conclusion & Impact (결론 및 시사점)

본 논문은 에이전트 기반의 게임 개발에서 실행 가능한 코드 생성을 넘어, 실제 플레이 경험과 사용자 선호도를 정량화하여 개발 루프에 통합하는 새로운 접근 방식을 성공적으로 제시하였습니다. Coding-Native Player와 Experience-Oriented Reviewer를 통해 구축된 폐쇄형 루프 시스템은 게임 프로토타입을 생산 수준의 완성도 높은 게임으로 진화시키는 데 효과적임을 입증했습니다. 이 연구는 학계 및 산업계에서 인공지능 에이전트를 통한 창의적 콘텐츠 생성 분야에 큰 기여를 할 것으로 기대되며, 복잡한 사용자 선호도를 시스템에 정교하게 반영하는 방식의 표준을 제시하였다는 점에서 그 영향력이 큽니다.

Figure 1 — 게임 버전별 진화 사례

Figure 3 — 다중 라운드 정성 분석

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.