에임봇이 임보그로 진화하다
유튜버 한 명이 Aimlabs 에임 트레이닝 프로그램을 통해 점수를 극적으로 향상시키기 위해 물리적인 에임 보조 웨어러블 외골격(exoskeleton)을 제작했습니다. 이 장치는 부착된 카메라, 내장형 Nvidia Jetson 컴퓨터 시스템, 일련의 모터와 서보를 활용하여, 과녁에서 벗어났을 때 팔을 물리적으로 움직여 조준 능력을 개선하도록 돕습니다. 그 결과는 매우 인상적입니다.
에임봇은 1990년대 멀티플레이 경쟁 장르가 등장한 이래 FPS 게임에서 꾸준히 제기된 문제입니다. 그러나 기존의 에임봇들은 대부분 소프트웨어적인 교정 방식에 의존했습니다. 이것이 바로 치팅을 추구하는 이용자와 이를 방지하려는 개발자들 사이에서 끝없는 '고양이와 쥐 게임'이 벌어지는 이유입니다.
하지만 현실 세계에서 치팅을 완전히 막는 것은 불가능하기 때문에, 닉 "Basically Homeless" Zetta가 만든 파워 글러브 같은 이 창작물은 개발사들이 쉽게 통제하거나 대응할 수 없는 방식으로 매우 흥미롭고 잠재적으로 게임의 판도를 바꿀 수 있습니다. 게임 자체의 관점에서 보자면, 그저 그가 압도적으로 실력이 좋은 것이 아닐까 싶습니다. 어쩌면 너무 좋을 수도 있지만, 그것이 현재로서는 유일한 단서입니다.
게이머가 실제로 되돌려 쏘는 '하드코어' 1인칭 슈팅 게임 시뮬레이터를 제작하다
트위치 스트리머가 전극을 사용하여 전기로 균형을 조절하다
이 물리적 장치 자체는 힌지(hinges)가 결합된 3D 프린팅 부품을 이용해 만든 독창적인 구조물입니다. 이 장치는 그의 전완(forearm)에 부착되지만, 개별 손가락들과도 연결되어 손, 손목, 그리고 모든 연결된 손가락의 위치를 미세하게 조정할 수 있습니다. 이 컨트롤러는 신체의 이러한 개별 부품들의 위치를 모두 추적하여, 이를 컴퓨터가 인식하고 처리할 수 있는 데이터로 변환하고, 필요에 따라 보정할 수 있습니다.
이는 몇 주에 걸쳐 진행된 프로젝트였습니다. 과정 중 수많은 시행착오와 난관을 겪었지만, 결국 제타는 장치를 정상적으로 작동시키는 데 성공했습니다.
흥미로운 점은 '학습 곡선'이 존재했다는 것입니다. 완전 작동 상태로 테스트를 시작했을 때, 그의 점수는 순수한, 보조 장치가 없는 게임에 비해 무려 20% 가까이 하락했습니다. 그 이유는 그가 보조 장치가 제 기능을 하도록 스스로 조절하는 방법을 배우고, 교정 움직임이 발생하도록 충분히 손목의 긴장을 푸는 훈련을 거쳐야 했기 때문입니다.
그 이후 그는 자신의 최고 점수 대비 3%의 향상을 달성했습니다. 이 수치는 오차 범위에 가깝게 들릴 수 있지만, 제타가 시작 전 원래 점수를 측정했기 때문에 이 점프 폭은 매우 의미가 컸습니다.
과연 더 나아질 수 있을까요? 실제로 그럴 수 있다는 것이 밝혀졌습니다. 카메라 이미지 처리 및 변환 과정의 지연 시간(latency)을 줄이는 데 집중하자, 반응 시간은 카메라에서 팔까지 걸리는 시간이 기존 약 50밀리초(ms)에서 단 17ms로 급격히 단축되었습니다!
또한 모터의 전압을 높여 구동력을 강화함으로써, 그가 약간의 저항을 하더라도 그 자신과 손가락들을 움직일 수 있게 했습니다. 이 개선은 매우 인상적이었습니다. 첫 번째 시도에서는 12%의 향상을, 다음 시도에서는 28%를, 그리고 43%를, 나아가 63%를 끌어올리며 그를 글로벌 리더보드의 2위 자리에 올려놓았습니다.
물론 이는 논란의 여지가 있는 '치팅' 방식이지만, 프로젝트 자체만으로도 놀라운 성과입니다. 그가 결론에서 시사하듯이, 여기에 신경근(neuromuscular) 요소가 결합된다면 더욱 발전할 수 있습니다. 이것이 거의 확실히 그의 다음 목표가 될 것입니다.
최신 뉴스와 분석, 리뷰를 피드에서 받아보시려면 Google News에서 Tom's Hardware를 팔로우하거나 즐겨찾는 출처로 추가해 주세요. 팔로우 버튼을 클릭하는 것을 잊지 마세요!