라이브 서비스 게임은 시즌, 이벤트, 핫픽스 등 콘텐츠를 끊임없이 배포해야 합니다. 아티스트가 파일을 저장하는 순간부터 플레이어에게 패치가 도달하기까지, 그 사이에는 테라바이트 규모의 빌드 파이프라인이 놓여 있습니다. 문제는 기존 버전 관리 시스템이 텍스트 기반으로 설계되어 바이너리 아트 에셋을 효율적으로 다루지 못하고, 스토리지와 버전 관리가 분리되어 있다 보니 변경되지 않은 에셋까지 매 단계마다 복사된다는 점입니다.

Lore는 Epic이 이 문제를 해결하기 위해 만든 오픈소스(MIT) 버전 관리 겸 스토리지 시스템입니다. Fortnite 프로덕션 환경에서 3년간 검증되었으며, 아티스트에게는 배타적 체크아웃과 필요한 부분만 내려받는 워킹 트리를 제공해 버전 관리를 의식하지 않고도 작업할 수 있게 합니다. 클라우드 측에서는 EC2, S3, DynamoDB 위에 단일 Content-Addressed Store를 두어 원본, 중간 산출물, 최종 결과물을 한 곳에서 관리하고 실제 변경분만 이동시킵니다. 특정 엔진에 종속되지 않고 자체 AWS 계정에서 운영 가능하며, 15명 소규모 팀부터 500명 대형 스튜디오까지 바로 적용할 수 있습니다.

강화학습(Reinforcement Learning)은 적응하고, 도전하며, 플레이어를 놀라게 할 수 있는 게임 AI를 약속하지만, 연구 성과를 실제 라이브 서비스로 옮기는 과정에는 수많은 운영상의 난관이 도사리고 있습니다. 불안정한 학습 과정, 패치마다 바뀌는 메타, 설계자가 의도하지 않은 방식으로 보상 함수를 악용하는 에이전트, 그리고 모델 성능 개선 속도보다 빠르게 늘어나는 인프라 비용이 그 예입니다. 이번 키노트에서 Riot Games는 2XKO에 프로덕션급 강화학습을 실제로 적용하며 얻은 엔지니어링 및 전략적 교훈을 공유합니다. 여기에는 모든 모델이 플레이어에게 도달하기 전에 평가를 거치고, 안전하게 실패할 수 있도록 보장하는 단계적 배포 프레임워크(Gated Deployment Framework)도 포함됩니다.

또한 이 세션에서는 Riot이 연구와 프로덕션 간의 격차를 어떻게 해소하는지 소개합니다. 이를 위해 Riot은 RISE라는 내부 플랫폼을 구축했으며, 이 플랫폼은 Amazon EC2 GPU 인스턴스와 Amazon EKS 기반으로 확장 가능한 컴퓨팅과 오케스트레이션 인프라를 제공하여 빠른 실험과 라이브 서비스로의 원활한 모델 전환을 지원합니다.