NRN Agents는 가상 및 물리적 환경에서 게임 경험에 AI 에이전트 통합을 지원하는 플랫폼입니다. 이 기술은 모방 학습과 강화 학습 전반에 걸쳐 데이터 집계, 모델 훈련 및 모델 검사 기능을 결합하여 인간 행동을 모방하는 AI 에이전트를 만듭니다. [11]
NRN Agents는 가상 및 물리적 환경 모두에서 게임 경험에 AI 에이전트 통합을 용이하게 하는 플랫폼입니다. 이는 모방 학습과 강화 학습 전반에 걸쳐 데이터 집계, 모델 훈련 및 모델 검사 기능을 결합합니다. 게임과 로봇 공학은 역동적이고 실제 세계의 복잡성을 시뮬레이션하여 AI 에이전트를 개발하는 환경 역할을 하며, 이는 인공 일반 지능(AGI)으로 나아가는 데 도움이 됩니다.
이 플랫폼은 행동 복제에 중점을 두어 AI 에이전트가 다양한 대화형 환경에서 작업을 적응하고 수행할 수 있도록 하며, 주로 대규모 언어 모델(LLM)을 사용하는 도구와 차별화됩니다. NRN Agents는 강화 학습을 위해 크라우드소싱된 인간 게임 플레이 데이터를 사용하여 AI 에이전트가 AI 대 AI 경쟁에 참여할 수 있도록 합니다. 이러한 접근 방식은 커뮤니티 참여를 촉진하고 AI 에이전트의 공동 소유를 가능하게 하여 게임 내에서 새로운 형태의 상호 작용과 수익을 창출합니다. [1]
AI 아레나는 플레이어가 AI 기반 챔피언을 구매, 훈련 및 전투하는 게임입니다. 모방 학습을 사용하여 플레이어는 AI 전투기가 플레이어의 행동을 복제하도록 하여 훈련시킵니다. 훈련이 완료되면 이러한 전투기는 유사한 실력의 상대와 순위 매치에서 자율적으로 경쟁합니다. 목표는 강력한 AI를 훈련하고 글로벌 순위표를 올라가고 네이티브 토큰인 $NRN을 얻는 것입니다.
AI 아레나에서는 AI가 경험의 중심입니다. 플레이어는 자신의 기술을 AI로 이전하며, AI는 플레이어로부터 배우고 대신 경쟁합니다. 이는 AI가 플레이어의 연장선 역할을 하므로 더욱 개인적인 게임 경험을 제공합니다. 이 게임은 기술 기반이며, 플레이어가 AI를 더 잘 훈련할수록 AI는 더 강해집니다.
AI 아레나는 AI의 잠재력이 플레이어의 기술과 창의성에 따라 결정되며 AI가 얼마나 뛰어나질 수 있는지에 대한 제한이 없는 무한하고 상록수 경쟁을 제공합니다. 또한 AI가 24시간 내내 자율적으로 경쟁할 수 있도록 하여 매치메이킹에 대한 유동성을 높이고 수익 창출을 위한 병렬 플레이를 제공함으로써 경쟁적인 e스포츠 잠재력을 제공합니다.
모든 전투는 AI 아레나 서버에서 실행되므로 게임을 효과적으로 플레이하도록 봇을 훈련하기가 어렵기 때문에 게임의 인프라는 부정행위를 방지하도록 설계되었습니다. 보상은 NFT의 성능, NFT에 스테이킹된 $NRN의 양, 그리고 AI의 기술 수준을 반영하는 NFT의 Elo 점수를 기반으로 합니다. [3] [4]
NRN 강화 학습(RL)은 크라우드소싱된 인간 게임 플레이 데이터를 사용하여 AI 에이전트를 훈련하여 AI 대 AI e스포츠 경쟁에서 높은 수준으로 수행할 수 있도록 합니다. 이러한 에이전트는 게임 플레이 데이터가 공유 자산이 되는 커뮤니티 중심 모델에 기여하여 참가자의 공동 소유 및 새로운 수익 기회를 지원합니다. 플레이어가 에이전트 훈련을 돕고 그 성공으로부터 이익을 얻을 수 있도록 함으로써 NRN RL은 게임에서 수익 창출을 위한 새로운 구조를 도입합니다. 또한 RL 에이전트가 분대별로 훈련되어 PvP 전투에 참여하는 e스포츠에서 새로운 경쟁 형식을 지원하며, 분산화 및 공유 가치와 같은 Web3 원칙과의 전략, 팀워크 및 정렬을 강조합니다. 이 플랫폼은 결국 AI 대 인간 매치를 지원하여 인간의 기술과 AI의 적응성에 도전할 수 있습니다. 또한 SDK를 통해 NRN RL은 강화 학습을 게임을 넘어 물리적 로봇 공학으로 확장하여 가상 환경과 실제 응용 프로그램을 연결하고 대화형 적응 시스템의 잠재력을 확장합니다. [2]
NRN Agents는 인간의 행동을 복제하는 AI 에이전트를 게임에 배치하여 개발자가 멀티플레이어 게임에서 플레이어 유동성 문제를 해결할 수 있는 솔루션을 제공합니다. NRN SDK 및 Trainer Platform을 통해 스튜디오는 플레이어가 제공한 게임 플레이 데이터를 활용하여 이러한 에이전트를 생성하고 확장하여 인간 플레이어가 없을 때도 일관된 매치메이킹을 보장할 수 있습니다. 이러한 접근 방식은 종종 자원 집약적이고 참여도가 낮은 기존 봇 개발에 비해 비용 효율적인 대안을 제공하므로 인디 개발자에게 특히 유익합니다. 예측 가능한 AI 봇과 달리 NRN 훈련 에이전트는 역동적이고 기술 기반의 상호 작용을 제공하여 매치 품질과 보유율을 높이고 시간이 지남에 따라 활성 게임 커뮤니티를 유지하는 데 도움이 됩니다. [6]
NRN Agents를 통해 스튜디오는 모방 학습을 게임에 직접 통합하여 플레이어가 자신의 플레이 스타일을 복제하는 AI 에이전트를 훈련할 수 있습니다. 이러한 에이전트는 핵심 게임의 일부 또는 별도의 AI 중심 모드로 단일 플레이어 또는 멀티플레이어 형식에서 사용할 수 있습니다. 스튜디오는 AI에서 플레이어의 행동을 포착하여 게임의 여러 부분에 동시에 참여할 수 있도록 지원하여 플레이어 참여를 높이고 수익 창출 기회를 확장할 수 있습니다. [8]
NRN 토큰은 더 넓은 생태계 내의 유틸리티 자산으로, AI 에이전트 배포, 강화 학습 기반 e스포츠 및 게임 내 경제를 지원합니다. 스튜디오는 NRN을 사용하여 툴링에 액세스하고 에이전트를 통합할 수 있으며, 배포는 프로젝트 수익에 기여하는 인증 시스템을 통해 추적됩니다. 강화 학습에서 사용자는 에이전트를 훈련하고 보상 분배를 결정하는 게임 플레이 데이터를 수집하는 데이터 캡슐을 만들기 위해 NRN을 스테이킹합니다. 훈련 캠페인이 완료되면 기여자는 데이터 슬롯을 소각하여 보상을 받고 스테이킹된 토큰을 회수할 수 있습니다. AI 아레나에서는 NRN이 기술 기반 스테이킹 및 경쟁 플레이와 관련된 경제 활동에 사용됩니다. [9]
NRN은 총 공급량이 10억 개이며 다음과 같은 할당이 있습니다. [10]