부분관측 협동 AI: 기능 검증과 성능 평가를 나누는 방법

여러 에이전트가 함께 탐색하더라도 모두 같은 곳을 확인하면 협업의 이점이 줄어듭니다. 반대로 역할만 나누고 오래된 정보를 다시 확인하지 않으면 상황이 바뀌어도 이전 판단을 유지할 수 있습니다. Study-2는 부분관측 시뮬레이션에서 정보의 신선도와 탐색 중복을 함께 다루는 연구입니다.

게임 환경은 재현 가능한 관측과 행동을 만드는 실험 도구입니다. 이 글은 게임 제작 과정이나 현실의 무장·전술 최적화를 소개하지 않고, 협동 AI의 정보 경계와 평가 절차에 초점을 둡니다.

에이전트가 아는 것과 평가자가 아는 것을 분리합니다

평가 로그에는 실제 정답 상태가 필요할 수 있습니다. 하지만 정책이 숨겨진 좌표를 직접 읽으면 부분관측 문제를 해결한 것이 아닙니다. 관측한 시점과 출처를 남기고, 정책 입력에 포함되는 정보와 평가 전용 정보를 분리해야 합니다.

Study-2 기록에서는 정상 시야와 관측 기반 기억을 유지하고 숨김 상태는 평가용으로 제한합니다. 오래된 기억을 현재의 확정된 관측처럼 취급하지 않는 것이 중요합니다. 정보가 없거나 측정할 수 없는 구간도 0으로 채워 정상 관측처럼 만들지 않습니다.

최근에 봤는지, 누가 다시 확인할지

관측의 나이는 마지막으로 확인한 뒤 얼마나 시간이 지났는지 나타냅니다. 같은 구역을 여러 에이전트가 중복 확인하는 상황과 아무도 갱신하지 않는 상황을 구분할 수 있습니다. 구역 예약, 역할 분담, 재확인 담당과 동료의 기억 유지를 비교할 때에는 실제로 그 선택이 실행됐는지도 로그로 확인해야 합니다.

담당자가 설정됐다는 사실만으로 임무가 완료된 것은 아닙니다. 이동이 막혔는지, 관측 가능한 위치에 도착했는지, 유효한 재관측이 있었는지를 분리해야 정책 판단과 이동 구현의 문제를 구별할 수 있습니다.

기능이 동작한다는 것과 더 좋다는 것은 다릅니다

2026년 10월 13일 기록에는 관측 나이와 역할 관련 기능 검증, 자연 관측 및 재확인 연속성의 예비 비교가 있습니다. 특정 분기가 실행되고 기록이 남았다는 기능 검증은 중요하지만, 무작위 독립 반복에 기반한 통계적 우위를 입증한 것은 아닙니다.

또한 10월 14일의 통행 개선 기록에는 이동량이 늘면서도 대기 시간 비율이 악화한 조건이 남아 있습니다. 이동 거리 하나만 개선됐다고 경합이 해결됐다고 할 수 없습니다. 같은 날짜의 후속 후보는 빌드 중으로 기록돼 있으며 실제 검증 완료로 소개하지 않습니다. 연구 질문의 본 비교와 논문 작업도 중단된 상태 기록을 완료 성과로 바꾸지 않습니다.

측정 실패와 정책 실패를 함께 숨기지 않습니다

초기화 실패, 기록이 빠진 실행, 도구 오류는 정책 자체의 실패와 분리해 보관합니다. 그렇다고 유효하게 실행된 정책 실패를 불리하다는 이유로 제외해서는 안 됩니다. 제외 기준, 누락 구간과 버전 차이를 남겨야 비교 조건이 바뀌었는지 확인할 수 있습니다.

성능에서는 평균뿐 아니라 지연의 분포와 긴 꼬리를 확인합니다. 개별 판단 타이머는 전체 프레임 시간을 대신하지 않으며, 서로 다른 버전의 결과나 조건별 상위 백분위 값을 단순 합산하지 않습니다. 기능 통과와 성능 목표 달성도 별도로 기록합니다.

공개 토론의 범위

이 사이트에서는 정보 누출 방지, 관측 시점의 기록, 예비 비교 설계, 기능 회귀와 재현성 같은 방법론을 공유합니다. 내부 시뮬레이터의 제어 API, 비공개 자산과 연구 원자료는 연결하지 않습니다. Study-1과는 실험 대상과 데이터가 다르므로 성과를 하나로 합치지 않습니다.

부분관측 환경이나 다중 에이전트 실험을 운영하셨다면 관측의 신선도를 어떻게 측정했는지, 구현 오류와 정책 실패를 어떤 기준으로 나눴는지 댓글로 의견을 남겨 주세요.

자료 기준: Study-2의 2026-10-13 예비 검증과 2026-10-14 진행 상태·연구 계획 기록. 후속 작업의 상태는 해당 기록 기준이며 새로운 실행이나 성능 인증을 의미하지 않습니다.