연구팀은 보드와 테트로미노를 비트보드로 재설계해 충돌 판정, 줄 삭제, 특징 추출을 비트 연산으로 처리했어요

테트리스 RL 학습 속도를 53배 끌어올린 비트보드 기반 AI 프레임워크가 나왔어요.

연구팀은 보드와 테트로미노를 비트보드로 재설계해 충돌 판정, 줄 삭제, 특징 추출을 비트 연산으로 처리했어요. 그 결과 OpenAI Gym-Tetris 대비 시뮬레이션 속도가 53배 빨라졌거든요.

또 afterstate를 평가하는 액터 네트워크를 도입해, 기존 action-value 방식보다 더 적은 파라미터로 성능을 높였어요. 버퍼 최적화 PPO까지 결합해 10x10 그리드에서 3분 안에 평균 점수 3,829를 기록했어요.

OpenAI Gym 표준을 따르는 Python-Java 인터페이스도 제공해서 최신 RL 프레임워크와 바로 붙일 수 있어요. 저수준 엔진 최적화와 고수준 정책 학습을 함께 잡아, RL 벤치마크 효율을 한 단계 올린 사례예요.