오디세이, 최대 20명 동시 상호작용 가능한 실시간 멀티에이전트 월드 모델 'Agora-2' 공개
오디세이(Odyssey)가 게임 엔진 없이 순수 AI 월드 모델로 최대 20명의 인간과 자율 에이전트가 공유 환경에서 실시간 상호작용하는 멀티플레이어 연구 프리뷰 Agora-2를 발표했습니다.
인공지능 기반 인터랙티브 시뮬레이션 기업 오디세이(Odyssey)가 2026년 9월 24일, 상용 게임 엔진 없이 순수 신경망 기반 월드 모델로 최대 20명의 참가자가 동일한 가상 공간에서 실시간으로 상호작용할 수 있는 차세대 멀티에이전트 시뮬레이션 시스템 'Agora-2'를 공식 발표했습니다.
이미지 출처: @odysseyml / Odyssey
이번 발표는 단일 플레이어 시점의 비디오 생성에 머물렀던 기존 인터랙티브 월드 모델의 한계를 넘어, 복수의 인간 사용자와 다수의 자율 에이전트가 단일한 공유 월드 상태 안에서 동적으로 반응하는 다자간 실시간 시뮬레이션을 구현했다는 점에서 주목받고 있습니다.
시뮬레이션과 렌더링의 분리: 신경망 기반 월드 모델 아키텍처
오디세이에 따르면 Agora-2의 가장 핵심적인 기술적 진보는 '게임 엔진 없는(no game engine under the hood)' 순수 학습형 월드 모델 아키텍처에 있습니다.
기존 상용 게임 엔진(Unreal Engine, Unity 등)이 담당하던 물리 연산, 충돌 판정, 상태 동기화, 그래픽 래스터화 파이프라인 전체를 신경망 추론으로 대체하면서, 시스템 구조를 크게 두 단계로 분리했습니다.
- 공유 월드 상태 시뮬레이션 모델: 최대 20명에 달하는 인간 및 에이전트 개체의 위치, 행동, 환경 파괴 상호작용을 통합 입력받아 가상 공간의 공통 상태(Ground Truth)를 실시간으로 갱신하고 유지합니다.
- 플레이어별 시점 렌더링 모델: 전체 월드 상태를 바탕으로 각 플레이어의 고유한 시야각과 좌표에 맞춘 독립적인 인터랙티브 시점 영상을 개별 생성하여 실시간으로 스트리밍합니다.
이러한 분리 구조 덕분에 다수의 플레이어가 동시에 참가하더라도 서로 다른 시점에서 바라보는 월드의 물리적 변화와 객체 상태가 어긋나지 않고 일관되게 유지됩니다.
4인 인간 대 16 에이전트 대전: 아이소메트릭 연구 프리뷰 환경
오디세이는 Agora-2의 시뮬레이션 성능을 직접 체험할 수 있는 플레이어블 연구 프리뷰(Playable Research Preview)를 함께 공개했습니다.
공개된 환경은 3D 아이소메트릭(쿼터뷰) 액션 게임 형태로 구성되어 있으며, 실제 멀티플레이어 매치 메커니즘을 테스트할 수 있도록 설계되었습니다.
- 4인 협동 및 16 에이전트 대항전: 최대 4명의 실제 인간 사용자가 한 팀을 이루어, 가상 전장 안에 배치된 16개의 자율 에이전트와 실시간으로 대결을 펼칩니다.
- 전술 행동 및 환경 파괴 지원: 전장 내 자유로운 캐릭터 이동, 근접 및 원거리 공격, 오브젝트 충돌 및 물리적 파괴 메커니즘이 모두 월드 모델 내부에서 실시간으로 시뮬레이션됩니다.
- 적응형 자율 에이전트: 16개의 에이전트는 고정된 규칙 기반의 스크립트 대신, 공유 월드 상태와 플레이어들의 실시간 전술적 움직임에 즉각 반응하여 협력 및 대응 전술을 구사합니다.
Agora-1 대비 5배 규모 확장과 연구 프리뷰 단계의 제약
이번 릴리즈는 이전 세대 모델인 Agora-1과 비교해 시뮬레이션 규모와 상호작용 복잡도 측면에서 큰 폭의 발전을 이루었습니다.
우선 동시 참가자 수용 한도가 Agora-1 대비 5배로 확장되어 최대 20명의 개체(인간 및 자율 에이전트)가 하나의 공간에서 상호작용할 수 있게 되었습니다. 또한 단일한 단순 환경에 국한되었던 이전 버전을 넘어, 복합적인 상호작용과 장기적인 행동(Long-horizon behaviors)을 다룰 수 있는 다중 환경 시뮬레이션으로 기능이 확장되었습니다.
다만 오디세이 측이 명시한 기술적 제약과 과제도 분명히 존재합니다.
- 연구 프리뷰 단계의 범위 한정: 현재 공개된 버전은 제한된 아이소메트릭 액션 게임 시나리오에 특화된 연구 프리뷰이며, 즉시 상용 게임을 대체할 수 있는 엔진 수준은 아닙니다.
- 신경망 실시간 인퍼런스 컴퓨팅 자원: 월드 상태 갱신과 모든 참가자의 개별 시점 렌더링을 실시간 딥러닝 추론으로 처리하기 때문에, 전통적인 결정론적 게임 엔진 대비 높은 GPU 컴퓨팅 자원과 인퍼런스 대기 시간(Latency) 최적화 과제가 요구됩니다.