그래프 기반 적대적 다중에이전트 시뮬레이터 GAMMS

초록

GAMMS는 그래프 형태로 표현 가능한 환경에서 다중 에이전트의 행동을 빠르고 확장 가능하게 테스트할 수 있도록 설계된 경량 시뮬레이터이다. 스케일러빌리티, 사용 편의성, 외부 툴 연동, 즉각적인 시각화, 현실 데이터 기반 모델링을 핵심 목표로 삼으며, 파이썬 기반 API와 오픈소스 구현을 제공한다.

상세 분석

본 논문은 기존 고충실도 로봇 시뮬레이터가 갖는 높은 연산 비용과 복잡한 설정 문제를 해결하고자, 그래프 구조를 기본으로 하는 경량 시뮬레이션 프레임워크인 GAMMS를 제안한다. 핵심 설계 원칙은 ‘최소 인터페이스·계약 기반·단일 접근점’으로, 사용자는 파일 기반 입력만으로 그래프(노드·엣지)와 에이전트 정의를 제공하면 된다. 내부적으로는 Context 객체가 전역 시뮬레이션 상태를 관리하고, 각 모듈은 명시된 계약(입출력 형태, 오류 처리)을 따르므로 외부 라이브러리(예: PyTorch, Gurobi, NetworkX)와의 연동이 용이하다.

스케일러빌리티 측면에서 GAMMS는 1,000개 이상의 노드를 가진 도시 도로망을 실시간(초당 수십 프레임)으로 시뮬레이션할 수 있으며, 메모리 사용량을 최소화하기 위해 상태 기록을 압축된 중간 표현으로 저장한다. 이는 대규모 에이전트(수천 명) 시나리오에서도 표준 소비자용 PC에서 실행 가능함을 의미한다.

사용 편의성은 파이썬 친화적인 API와 기본 시각화 모듈(matplotlib·plotly 기반)으로 구현된다. 사용자는 복잡한 렌더링 파이프라인을 직접 작성할 필요 없이 sim.run() 호출만으로 에이전트 이동, 충돌, 신호 변화 등을 시각적으로 확인할 수 있다. 또한, OpenStreetMap 데이터를 자동 파싱해 그래프화하는 파이프라인을 제공함으로써 현실 세계 도로망을 손쉽게 가져올 수 있다.

‘Integration‑First’ 철학은 외부 학습·계획·최적화 툴을 그대로 호출하도록 설계된 점에서 두드러진다. 예를 들어, 각 에이전트는 LLM 기반 고수준 플래너, 강화학습 정책, 혹은 전통적인 A*·Dijkstra와 같은 최적화 기반 플래너 중 하나를 선택해 실행할 수 있다. 이러한 다형성은 연구자가 동일한 시뮬레이션 환경에서 다양한 알고리즘을 비교·평가하는 데 큰 장점을 제공한다.

시각화 피드백은 실시간 대시보드와 로그 파일을 동시에 제공한다. 대시보드는 에이전트 위치, 경로 선택, 네트워크 부하 등을 색상·크기로 직관적으로 표현하고, 로그는 시뮬레이션 단계별 상태를 JSON 형태로 저장해 사후 분석에 활용한다.

마지막으로 현실 기반 모델링을 위해 GIS 데이터와 연동하고, 교통 신호, 도로 용량, 지리적 제약 등을 그래프 속성으로 포함한다. 이는 단순 추상화에 머무르지 않고 실제 도시 운영 시나리오(예: 교통 혼잡 완화, 재난 대응)에도 적용 가능하도록 설계된 점이 주목할 만하다. 전체적으로 GAMMS는 고충실도 시뮬레이터와 저충실도 프로토타이핑 툴 사이의 격차를 메우며, 연구·산업 현장에서 빠른 아이디어 검증과 대규모 실험을 동시에 지원한다.