로블록스는 모바일 앱 안에서 게임을 설명하고, 초안을 받아 수정·테스트한 뒤 공개하는 Build를 7월 28일 뉴질랜드에서 시험한다. 오늘 뉴스레터는 Steam의 AI 공개 표시 통계, 게임 상태를 유지하는 월드 모델, 처음 보는 게임을 판단하는 방식, 물리 정보를 갖춘 3D 에셋, 코딩 에이전트, 초등학생 지진 교육, GDC 2027 신청 일정을 함께 전한다.

밤사이 달라진 소식

  • 로블록스가 모바일 앱을 벗어나지 않고 문장 하나로 기본 게임을 만드는 Build 탭을 발표했다.
  • 새 월드 모델 연구가 조작 입력, 실제 게임 상태, 영상, 주석을 프레임 단위로 연결한 90시간 이상의 검은 신화: 오공 데이터를 공개했다.
  • VideoRAE 연구진은 경쟁 영상 오토인코더보다 약 5배 빠른 학습 수렴을 보고했고, UniPhys-40K는 3D 에셋 4만 개에 관절과 물리 특성 정보를 더했다.
  • VisualRepair는 SWE-bench Multimodal 테스트 196건을 해결했고, 별도 연구는 GitHub 저장소 2,361곳의 에이전트 풀 리퀘스트 2만 5,264개를 분석했다.

모바일 게임 제작

로블록스 Build, 모바일 앱에서 첫 게임 초안 만든다

로블록스 설명에 따르면 이용자는 만들고 싶은 게임을 적고, 플레이 가능한 초안을 받은 뒤 수정·테스트해 친구와 공유하거나 정식으로 공개할 수 있다. Build는 게임 규칙, 환경, 캐릭터, 시각 스타일, 소리까지 만들 수 있다. Roblox Studio와 백엔드, 모델, 대화 기록을 공유하므로 모바일에서 시작한 작업을 Studio에서 더 세밀하게 다듬을 수도 있다.

일부 기능은 7월 28일 뉴질랜드에서 공개 테스트를 시작한다. 테스트 기간에는 연령 확인을 마친 9세 이상 이용자가 Build를 쓸 수 있다. 로블록스의 안전성 검사를 통과한 게임은 우선 전 세계의 연령 확인을 마친 16세 이상 이용자에게 공개된다. 기본 기능은 무료이며, 전문 이용자를 위한 유료 기능도 나올 예정이다.

로블록스는 앞으로 몇 달 안에 플레이테스트, 데이터 분석, 실험을 맡는 에이전트도 Build와 Studio에 넣겠다고 밝혔다. Build로 만든 게임은 다른 게임과 같은 추가 심사를 거치며, 재방문율을 반영하는 추천 방식을 똑같이 적용받는다. 이번 발표에는 생성 가능한 게임의 복잡도, 수정 내용의 저장 방식, 제작자가 스크립트와 에셋을 살펴볼 수 있는 범위가 나오지 않았다.

생성 세계와 게임 규칙

월드 모델 연구, 화면 예측과 게임 상태를 나눠 분석

Zhen Li 연구진 7명은 상호작용형 월드 모델을 조작 반영, 게임 상태 변화, 상태와 화면의 지속성, 실시간 생성이라는 네 가지 기준으로 정리했다. 영상 모델은 다음에 보일 장면을 예측하지만, 게임 엔진은 규칙에 따라 상태를 바꾼 뒤 결과를 화면에 그린다는 차이에 주목했다.

연구진은 90시간이 넘는 검은 신화: 오공 플레이 자료도 소개했다. 플레이어 입력, 실제 게임 상태, 영상, 구조화한 주석이 프레임 단위로 연결돼 있다. 논문은 플레이 엔진을 공개하지 않았지만, 생성 결과가 다음 장면을 넘어 오래 유지되는지 실제 상태 기록과 대조할 자료를 제공한다.

Nature 연구, 처음 보는 게임 121개에서 사람의 판단 방식 분석

캐서린 M. 콜린스 연구진은 대부분 처음 접하는 2인용 전략 보드게임 121개를 놓고 1,000명이 넘는 참가자를 조사했다. 연구진의 ‘Intuitive Gamer’ 모델은 깊은 탐색 대신 목표를 향한 짧고 얕은 확률 시뮬레이션으로 사람의 첫 선택을 설명한다.

이 모델은 연구에 쓰인 Expert Gamer보다 실제 실행 시간이 약 700배 짧았고, 검토한 보드 상태도 약 500분의 1이었다. 자체 대전 실험에서는 몬테카를로 트리 탐색보다 약 4만 배 빨랐다. 완전한 정보를 공개하는 2인용 경쟁 보드게임만 다뤘다는 한계가 있지만, 충분히 연습하지 않은 에이전트가 새 규칙을 어떻게 판단해야 하는지 측정할 수 있는 기준을 제시한다.

VideoRAE, 영상 생성에 쓰는 잠재 표현 다시 설계

셰즈하오 연구진은 픽셀 복원만을 목표로 영상 오토인코더를 새로 학습하는 대신, 이미 학습된 영상 이해 모델의 특징을 활용해 VideoRAE를 만들었다. 확산 트랜스포머가 쓰는 연속형 표현과 자기회귀 생성 모델이 쓰는 이산 토큰을 모두 만들 수 있다.

UCF-101 시험에서 자기회귀 생성 모델은 class-to-video gFVD 40, 확산 트랜스포머는 93을 기록했다. 경쟁 오토인코더보다 학습 수렴이 약 5배 빨랐고, 20억 매개변수 텍스트-영상 비교 실험에서 LTX-VAE를 VideoRAE로 바꿨을 때도 더 빠르게 수렴했다고 연구진은 보고했다. 코드와 모델은 아직 공개 전이어서 외부 연구진이 이 결과를 재현할 수는 없다.

UniPhysGen, 3D 에셋 4만 개에 관절과 물리 정보 부여

리셴 연구진은 관절 구조와 고유한 물리 특성을 갖춘 3D 에셋 4만 개의 UniPhys-40K, 평가 체계, 두 정보를 함께 추론하는 모델을 공개했다. 연구진은 이렇게 처리한 에셋을 로봇 시뮬레이션에서 바로 쓰도록 설계했다.

로봇 연구이지만 게임 에셋도 같은 정보가 필요하다. 생성한 수납장이 시뮬레이션에서 작동하려면 어느 부분이 문인지, 어디를 축으로 회전하는지, 어떤 물리 반응을 보이는지 알아야 한다. 논문 초록은 기존 최고 성능을 기록했다고 밝히지만 대표 점수는 싣지 않았고, 코드 저장소도 추후 공개 예정이다.

제작 현장의 코딩 에이전트

VisualRepair, 패치 전에 버그 스크린샷부터 확대한다

샤오징위 연구진이 만든 VisualRepair는 스크린샷, 개발 도구 화면, GIF, 글자가 많은 이미지를 포함한 버그 제보를 처리한다. 이미지 종류에 맞춰 도구를 고르고, 화면 전체를 한 번에 읽는 대신 버그와 관련 있어 보이는 여러 영역을 찾아 확대와 축소를 반복한다.

SWE-bench Multimodal에서 VisualRepair는 테스트 196건과 개발용 25건을 해결했다. 가장 강한 비교 대상보다 각각 10건, 11건 많았다. 잘못 표시된 HUD, 엉뚱한 곳에 놓인 물체, 깨진 편집 화면에서 에이전트가 코드 수정 전에 문제 지점을 찾는 능력을 시험한 결과다.

에이전트가 만든 풀 리퀘스트, 일부 프로젝트에 집중

말리하 누신 라이다와 다칭 허우는 인기 GitHub 저장소 2,361곳에서 3개월 동안 만들어진 에이전트 풀 리퀘스트 2만 5,264개를 분석했다. 저장소의 중간값은 한두 개에 불과했고, 적극적으로 쓰는 사례는 소수 프로젝트에 몰렸다.

기여자가 1~5명인 소규모 프로젝트는 중간·대형 프로젝트보다 참여 비율과 평균 에이전트 풀 리퀘스트 수가 높았다. 한 사람이 에이전트의 작업을 검토하거나 고치는 방식이 가장 흔했고, 여러 사람이 함께 검토하는 사례는 드물었다. 공개 저장소의 초기 도입 양상을 조사한 연구여서 비공개 게임 스튜디오의 사용법이나 만들어진 코드의 품질까지 보여주지는 않는다.

Rust 컴파일러, 코드 생성 도중 오류 진단

닐스 뮌들러-사사하라 연구진이 제안한 ‘생성 중 컴파일’은 완성되지 않은 프로그램을 임시로 컴파일 가능한 형태로 바꾼다. AI가 코드를 쓰는 도중에도 일반 컴파일러가 오류를 찾게 하는 방식이다. 정적 검사가 엄격한 Rust에서는 긴 답변을 모두 만든 뒤가 아니라 잘못된 방향으로 들어선 순간을 더 일찍 찾을 수 있다.

연구진은 Rust와 비슷한 핵심 언어에서 성질을 수학적으로 정의하고 Lean으로 검증한 뒤, 실제 저장소 단위 Rust 작업으로 확장했다. 모든 코드를 만든 뒤 컴파일러 진단을 주는 방식보다 컴파일 실패가 줄고 기능 정확도가 높아졌다고 보고했지만, 초록에는 전체 비율이 나오지 않는다. 이 방식은 패치가 끝나기 전에 컴파일러 진단을 생성 과정에 반영한다.

권한 연구, 제안 21개와 상용 에이전트 5개 비교

알렉산드라 E. 마이클과 프란치스카 뢰스너는 에이전트 권한 설계 제안 21개를 검토하고 상용 에이전트 5개와 비교했다. 이용자가 권한을 어떻게 표현하는지, 그 내용이 내부 정책으로 어떻게 바뀌는지, 실행할 때 정책을 어떻게 적용하는지를 나눠 살폈다.

연구진은 모든 이용자에게 같은 권한 기본값을 적용해서는 각자의 의도를 담기 어렵다고 지적한다. 게임 제작 에이전트는 프로젝트 파일을 읽고, 빌드를 공개하고, API 비용을 쓰거나 운영 중인 상품 페이지를 바꿀 수 있다. 권한 화면은 이용자가 허락한 일과 에이전트가 기술적으로 할 수 있는 일을 분명히 구분해야 한다.

시장 통계

AI 공개 표시 게임, Steam 신규 출시작 약 3분의 1

Mainframe Industries의 술카 하로 CEO는 2023년 7월부터 2026년 7월까지 Steam에 나온 게임 5만 3,597개를 조사했다. 2026년 중반에는 신규 출시작 약 3개 중 1개가 AI 생성 콘텐츠 사용을 공개했다. AI 공개 표시 게임은 한 달 약 530개까지 늘었고, 비AI 게임은 이 표시 제도가 시작된 뒤 월 약 1,030개에서 1,320개로 증가했다.

흥행은 극소수에 집중됐다. 조사 대상 상위 1%가 추정 매출의 약 94%를 차지했다. 같은 달에 나온 게임끼리 비교하면 AI 표시 게임이 리뷰 100개 이상을 얻는 비율은 비AI 게임의 약 55%였다. 매출은 리뷰 수와 정가로 추산했으며, AI 표시에는 그림 한 장을 만든 경우부터 실시간 생성 기능까지 모두 들어간다. 따라서 특정 AI 기술이 매출에 미친 영향을 따로 알 수는 없다.

일본 온라인게임 기업 응답자 모두 AI 도구 사용

일본온라인게임협회의 2026년 시장 조사에서 응답한 온라인게임 기업은 모두 생성형 AI 도구를 사용한다고 답했다. 패미통이 공개한 도구별 비율은 Gemini 94%, Claude 84%, GitHub Copilot 76%다. AI에 가장 맡기고 싶은 일은 이용자 취향 분석과 행동 예측이었다. 공개 요약에는 모든 응답자가 완성 미술이나 대사를 생성한다는 내용은 없다.

보고서는 2025년 일본 온라인게임 시장을 9,899억 엔으로 추산했다. 스마트폰 게임 한 편을 운영하는 평균 인원은 37명으로 2015년의 4.6배였다. 공개된 요약에는 응답 기업 수가 나오지 않는다. 따라서 100%라는 수치는 일본의 모든 게임 개발사가 아니라 설문 응답 기업에 대한 결과로 읽어야 한다.

교육

Earthquaker-AI, 지진 모형 실습과 단계별 답변 지도 결합

크산티 코키누 연구진은 Lego WeDo2로 지진을 체험하는 기존 수업에 검색 기반 대화형 AI를 더했다. 저학년은 안전 행동을 객관식으로 고르고, 중학년은 올바른 행동 순서를 찾는다. 고학년은 짧은 글을 쓰고 표현의 명확성 등을 평가받는다.

AI는 공식 안전 지침을 찾아 답변하고, 학년에 따라 2개·3개·4개 기준으로 학생의 답을 평가한다. 논문 초록은 근거에 충실했고 잘못 지어낸 답이 적었다고 설명하지만, 평가 인원과 정확한 수치를 밝히지 않았다. 대규모 교실에서의 효과는 아직 확인되지 않았다.

일정표에 새로 추가

Wonder News 2027년 일정표에 GDC Festival of Gaming 2027을 추가했다. 행사는 3월 1~5일 미국 샌프란시스코 모스콘 센터에서 열린다. 세션 제안은 7월 7일 시작해 미 서부시간 8월 7일 정오에 마감한다. 기업 전시 문의도 받고 있지만 별도 마감일은 없고, 개인 참가 등록과 배지 가격은 아직 공개되지 않았다.

다음에 볼 것

  • 7월 28일 공개 테스트에서 Roblox Build가 어디까지 만들 수 있는지, 제작자가 결과를 어떻게 살펴보는지, 어떤 기능이 Studio에만 남는지.
  • 로블록스가 생성 에셋·스크립트의 한도, 안전성 심사, 가격, 재방문율 기반 추천 절차를 얼마나 구체적으로 공개하는지.
  • 게임 상태를 이용하는 월드 모델이 짧은 영상 품질을 넘어 긴 플레이에서 규칙이 유지되는지 확인할 자료와 시험법을 내놓는지.
  • VideoRAE와 UniPhysGen이 예고한 코드, 모델, 데이터를 공개해 외부 연구진이 결과를 재현할 수 있게 하는지.
  • Steam에서 AI 사용 표시가 계속 늘어나면서도 하로의 조사에서 작품당 흥행 격차가 줄어드는지.
  • 게임 공개, 비용 지출, 분석 자료 접근, 운영 중인 프로젝트 변경 권한을 에이전트 도구가 어떻게 보여주는지.
  • 8월 7일 제안 접수 마감 뒤 GDC 2027이 어떤 세션을 선정하는지.

이 한국어 기사는 영어 원문을 번역한 것이며, 번역 과정에서 오류가 있을 수 있습니다. 이 글은 Wonder Bricks AI Agent의 도움을 받아 작성했으며 SunnyLabs가 편집했습니다.