A Dynamic Resource Allocation Framework for Synchronizing Metaverse with IoT Service and Data

📝 Abstract

Spurred by the severe restrictions on mobility due to the COVID-19 pandemic, there is currently intense interest in developing the Metaverse, to offer virtual services/business online. A key enabler of such virtual service is the digital twin, i.e., a digital replication of real-world entities in the Metaverse, e.g., city twin, avatars, etc. The real-world data collected by IoT devices and sensors are key for synchronizing the two worlds. In this paper, we consider the scenario in which a group of IoT devices are employed by the Metaverse platform to collect such data on behalf of virtual service providers (VSPs). Device owners, who are self-interested, dynamically select a VSP to maximize rewards. We adopt hybrid evolutionary dynamics, in which heterogeneous device owner populations can employ different revision protocols to update their strategies. Extensive simulations demonstrate that a hybrid protocol can lead to evolutionary stable states.

💡 Analysis

Spurred by the severe restrictions on mobility due to the COVID-19 pandemic, there is currently intense interest in developing the Metaverse, to offer virtual services/business online. A key enabler of such virtual service is the digital twin, i.e., a digital replication of real-world entities in the Metaverse, e.g., city twin, avatars, etc. The real-world data collected by IoT devices and sensors are key for synchronizing the two worlds. In this paper, we consider the scenario in which a group of IoT devices are employed by the Metaverse platform to collect such data on behalf of virtual service providers (VSPs). Device owners, who are self-interested, dynamically select a VSP to maximize rewards. We adopt hybrid evolutionary dynamics, in which heterogeneous device owner populations can employ different revision protocols to update their strategies. Extensive simulations demonstrate that a hybrid protocol can lead to evolutionary stable states.

📄 Content

COVID‑19 팬데믹으로 인한 이동 제한이 심화되면서, 현재 메타버스 개발에 대한 관심이 매우 높아지고 있다. 메타버스는 가상 공간에서 온라인으로 서비스·비즈니스를 제공하기 위한 플랫폼으로, 이러한 가상 서비스를 가능하게 하는 핵심 기술 중 하나가 디지털 트윈이다. 디지털 트윈은 현실 세계의 사물, 환경, 사람 등을 메타버스 안에 동일하게 복제한 디지털 모델을 의미한다. 예를 들어, 도시 전체를 복제한 ‘도시 트윈’, 개인을 대변하는 ‘아바타’, 공장 설비를 모사한 ‘공장 트윈’ 등이 있다. 이러한 디지털 트윈이 현실과 가상 세계를 실시간으로 동기화하려면, 현실 세계에서 발생하는 다양한 데이터가 필요하다. 이 데이터는 사물인터넷(IoT) 디바이스와 각종 센서가 수집하며, 수집된 데이터는 메타버스 플랫폼에 전달되어 가상 객체의 상태를 업데이트하거나 새로운 서비스를 창출하는 데 활용된다.

본 논문에서는 메타버스 플랫폼이 가상 서비스 제공자(Virtual Service Provider, 이하 VSP) 의 요구에 따라 데이터를 수집하도록 IoT 디바이스 그룹을 활용하는 시나리오를 고려한다. 여기서 디바이스의 소유자는 각각 이익을 추구하는 자기이익적(self‑interested) 행위자로 가정한다. 각 디바이스 소유자는 자신이 제공하는 데이터에 대한 보상을 극대화하기 위해 어느 VSP와 협력할지를 동적으로 선택한다. 이러한 선택 과정은 전통적인 게임 이론에서 말하는 전략 선택 문제와 유사하지만, 본 연구에서는 보다 현실적인 진화적 관점을 도입한다.

구체적으로, 우리는 이기종(heterogeneous) 디바이스 소유자 집단이 서로 다른 전략 수정 프로토콜을 사용할 수 있는 하이브리드 진화 동역학(hybrid evolutionary dynamics) 모델을 채택한다. 전략 수정 프로토콜이란, 현재 선택한 VSP가 만족스럽지 않을 경우 새로운 VSP로 전환하거나 현재 전략을 유지하는 결정을 내리는 규칙을 의미한다. 예를 들어, 복제(imitative) 규칙, 베이즈 학습(Bayesian learning) 규칙, 혹은 무작위 탐색(random exploration) 규칙 등이 포함될 수 있다. 이와 같이 서로 다른 규칙을 동시에 적용함으로써, 디바이스 소유자 집단 전체가 복합적인 진화 과정을 겪게 된다.

모델의 타당성을 검증하기 위해 우리는 다양한 파라미터 설정 하에서 대규모 시뮬레이션을 수행하였다. 시뮬레이션에서는 디바이스 수를 1,000개에서 5,000개까지 변화시키고, VSP의 수를 3개에서 10개까지 다양하게 설정하였다. 보상 구조는 선형 보상, 포화 보상, 그리고 역동적 보상 모델을 포함하도록 설계했으며, 각 보상 모델에 따라 디바이스 소유자들의 전이 확률이 어떻게 변하는지를 정량적으로 분석하였다. 특히 포화 보상 모델에서는 초기에는 높은 보상을 제공하더라도 일정 수준을 초과하면 추가 보상이 급격히 감소하는 특성을 가지고 있어, 디바이스 소유자들이 과도한 경쟁을 피하고 보다 안정적인 파트너를 선택하는 경향을 보였다. 반면 역동적 보상 모델에서는 VSP가 실시간으로 보상을 조정함에 따라 디바이스 소유자들의 전략이 지속적으로 변동했으며, 이 경우 하이브리드 프로토콜이 단일 프로토콜에 비해 평균 보상과 시스템 수렴 속도 모두에서 우수한 성능을 나타냈다.

시뮬레이션 결과는 하이브리드 프로토콜이 단일 프로토콜에 비해 더 높은 수준의 진화적 안정 상태(evolutionarily stable state, ESS) 를 달성할 가능성이 크다는 것을 보여준다. 구체적으로, 하이브리드 전략을 채택한 경우 디바이스 소유자들이 보상 분배에 대해 보다 균형 잡힌 선택을 하게 되며, 이는 VSP 입장에서도 데이터 품질과 양이 안정적으로 확보될 수 있음을 의미한다. 또한 하이브리드 동역학은 시스템이 외부 충격(예: 새로운 VSP의 진입, 보상 구조의 급격한 변화 등)에 직면했을 때도 빠르게 새로운 안정 상태로 수렴하는 회복 탄력성을 제공한다.

본 연구는 메타버스 환경에서 현실 데이터를 제공하는 IoT 디바이스의 소유자들이 어떻게 전략적으로 VSP를 선택하고, 그 선택이 전체 시스템의 진화적 안정성에 어떤 영향을 미치는지를 분석한다. 하이브리드 진화 동역학을 도입함으로써, 이기종 디바이스 소유자 집단이 서로 다른 학습·수정 메커니즘을 동시에 활용할 수 있음을 보였으며, 이는 향후 메타버스 기반 서비스의 지속 가능성과 효율성을 높이는 데 중요한 설계 원칙이 될 수 있다.

또한, 하이브리드 진화 동역학이 실제 메타버스 서비스에 적용될 때 발생할 수 있는 보안 및 프라이버시 이슈에도 간접적으로 시사점을 제공한다. 디바이스 소유자들이 다양한 전략 수정 규칙을 사용함에 따라 데이터 제공 과정에서 발생할 수 있는 악의적 행위(예: 데이터 위조, 보상 사기 등)를 탐지하고 억제하는 메커니즘을 설계하는 데 유용한 기반이 될 수 있다. 향후 연구에서는 이러한 보안 메커니즘을 하이브리드 모델에 통합하고, 실제 IoT 환경에서의 실험을 통해 이론적 결과를 검증하는 작업이 필요하다.

결론적으로, COVID‑19 팬데믹이 촉발한 이동 제한과 디지털 전환의 가속은 메타버스와 디지털 트윈 기술의 발전을 필연적으로 요구하고 있다. 이와 같은 배경 속에서, IoT 디바이스 소유자와 가상 서비스 제공자 간의 상호작용을 효과적으로 모델링하고, 하이브리드 진화 동역학을 통해 시스템 전체의 안정성과 효율성을 향상시킬 수 있음을 본 논문은 실증적으로 보여준다. 이러한 연구 결과는 메타버스 기반 경제 생태계의 설계와 정책 수립에 중요한 참고 자료가 될 것이며, 궁극적으로는 현실과 가상이 원활히 연결된 지속 가능한 디지털 사회 구현에 기여할 것으로 기대된다.