지난 9월, 대전 이스포츠경기장에서 열린 카이스트-포스텍 정기 교류전 ‘카포전’의 AI 경기. 경기장 한가운데 커다란 스크린 속에서 자동차가 공을 몰고 달리며 치열한 싸움을 벌이고 있지만, 선수석에는 아무도 앉아 있지 않았습니다. AI가 직접 훈련하고 스스로 판단해 경기를 치르는 AI e스포츠 무대였기 때문입니다.

그날 카이스트 AI 동아리 Vlab은 엘리스클라우드의 H100 인스턴스를 활용해 학습한 모델로 경기에 출전해 3:0의 완승을 거뒀습니다. 포스텍 팀을 상대로 3년 만에 거둔 쾌거였습니다.

이번 인터뷰에서는 Vlab 회장 강태구 님(카이스트 전산학부)과 팀원 이호수 님(카이스트 전산학부)을 만나, 엘리스클라우드를 활용한 치열했던 경기 준비 과정을 들어보았습니다.

“경기장에 들어섰을 때, 저희가 만든 AI 모델을 드디어 사람들에게 보여줄 수 있다는 생각에 가슴이 뛰었습니다. 경기가 시작하자마자 곧바로 득점했고, 우리의 모델 학습 방법이 틀리지 않았구나 싶어 비로소 안심할 수 있었습니다.” (강태구 님)

▲ 대전 이스포츠경기장에서 열린 2025년 카포전 AI 종목 경기 현장

“Victory Laboratory, 우승을 향한 Vlab의 3년”

카이스트의 AI 동아리 Vlab은 카포전 인공지능과 과학 퀴즈 부문에서 승리를 목표로 2012년에 설립되었습니다.

“AI 종목은 단순히 코드를 잘 짠다고 되는 게 아니에요. 강화학습은 수많은 시행착오가 필요하고, 제대로 된 실험 환경이 없으면 한계를 금방 느끼게 됩니다. 그래서 저희는 서버를 직접 구축하고, AI를 한 단계씩 성장시키며 노하우를 쌓아왔어요.” (강태구 님)

Vlab은 올해 카포전에서 ‘로켓리그(Rocket League)’ 종목에 출전했습니다. 자동차 축구 게임인 로켓리그는 두 대학이 직접 프로그래밍한 AI 차량을 활용해 골을 넣는 경기입니다. 경기는 여러 맵에서 5판 3선승제로 치러지며, 세트당 5분씩 진행됩니다. 단순히 골을 넣는 게 아니라 부스트를 활용해 속도를 높이고, 수비를 피해 공간을 만들어내는 전략이 필요한 경기입니다.

▲ 경기 시작 직후 득점한 Vlab 팀의 AI 차량

“엘리스클라우드 덕분에 고성능 GPU 자원으로 병렬 실험이 가능했어요.”

올해 카포전에서 Vlab의 가장 큰 변화는 엘리스클라우드의 GPU 인프라를 활용했다는 점입니다. Vlab은 엘리스클라우드에서 NVIDIA H100, B100 등 GPU 인스턴스를 활용해 여러 모델을 동시에 실험하며 다양한 변수 조합을 빠르게 검증할 수 있었습니다.

“동아리 자체 서버로는 RTX 4080 두 대가 전부였어요. 대규모 학습에는 한계가 있었죠. 만약 엘리스클라우드가 없었다면 강화학습 위주로만 진행이 됐을 텐데 엘리스클라우드의 고성능 서버 덕분에 강화학습을 하기 이전에 더 좋은 트라이얼 모델을 만들어주는 지도학습이라는 방법을 쓸 수 있었습니다.” (강태구 님)

이호수 님은 엘리스클라우드의 ‘데이터허브’ 기능이 특히 인상 깊었다고 전했습니다. 엘리스클라우드 데이터허브는 AI 개발을 위한 데이터 관리 기능을 제공합니다. 연구자나 개발자가 학습용 데이터를 중앙에서 통합 관리하고 버전별로 추적하며, GPU 인스턴스에 실시간으로 연결할 수 있습니다.

Vlab은 엘리스클라우드 데이터허브 기능 덕분에 학습 데이터를 매번 옮길 필요 없이 즉시 실험을 시작할 수 있었고 GPU 자원을 필요할 때마다 유연하게 할당받을 수 있었습니다. 기존에는 메모리 용량과 네트워크 한계로 데이터를 쪼개서 학습해야 했지만 엘리스클라우드에서는 대규모 데이터를 한 번에 처리할 수 있었습니다. 학습 속도는 5주에서 1주일로 단축되었고 팀원 간에 경기 전략, 모델 학습 방향을 논의할 시간도 충분해져 모델 완성도 또한 비약적으로 향상되었습니다.

▲ 엘리스클라우드 GPU 인프라를 활용해 훈련한 AI 모델의 경기 장면을 분석하는 모습

“지도학습과 강화학습을 반복하며 AI에게 걸음마부터 가르쳤어요.”

이번 경기에서 강화학습을 맡은 강태구 님은 AI 훈련 과정이 자식에게 걸음마부터 차근차근 가르치는 일처럼 느껴졌다고 말했습니다. 그는 AI에게 단순히 ‘경기에서 이겨라’라는 목표를 주는 대신, ‘슛하기’, ‘부스트 먹기’, ‘수비 시점에서 점프하기’ 등 세부 행동 단위의 서브 목표(sub-goal)를 설정했습니다. 이후 팀원들과 다 같이 모여 토론하면서 서브 목표들을 하나하나씩 실험하고 개선해 나갔습니다.

“처음부터 모든 걸 완벽하게 해내도록 하려면 학습의 난이도가 굉장히 높아져요. 걸음마부터 차근차근 가르쳐야 결국 뛰게 됩니다.” (강태구 님)

“경기 자체를 이해해야 최고의 전략으로 학습시킬 수 있어요.”

이호수 님은 강화학습 이전에 AI 모델에 정답이 있는 데이터, 즉 경기 진행에 있어 기초적인 행동을 학습하는 지도학습을 맡았습니다. 이호수 님이 지도학습을 통해 만든 모델은 강화학습을 통해 예측 가능한 케이스와 취약점을 모두 커버할 수 있도록 학습됐습니다.

“다른 친구들이 많이 놓쳤을 수 있는 부분이 바로 게임 자체에 대한 이해입니다. 저는 킥오프에서 완벽하게 수비 혹은 공격할 수 있다면 반드시 이긴다는 패턴을 찾아냈고, 이 부분에 집중해서 모델을 학습했습니다.” (이호수 님)

▲ 왼쪽부터 카이스트 Vlab 동아리 회장 강태구 님, 팀원 이호수 님

승리의 순간, “올해는 진짜 원팀이었다.”

Vlab은 포스텍을 상대로 단 한 점도 내주지 않는 3:0 완승을 기록했습니다. 강태구 님은 이번 경기의 진짜 힘은 팀워크였다고 강조합니다. 모두가 하나의 목표를 향해 각자의 역할에서 최선을 다했고, 서로의 아이디어를 토론하고 실험하면서 ‘원 팀’으로 움직였기 때문에 승리할 수 있었다며 우승 소감을 밝혔습니다.

“저희 팀의 강점은 창의적인 아이디어를 빠르게 구현하고 그걸 개선해나가는 관리 역량이었습니다. 올해에는 지금껏 쌓은 노하우 뿐만 아니라 엘리스클라우드의 고성능 자원이 있었기 때문에 서버 한계 없이 협업하며 만족할 만한 결과를 끌어낼 수 있었습니다.” (이호수 님)

▲ 카이스트 AI 동아리 Vlab이 카포전 AI 종목에서 우승 트로피를 들고 환호하는 모습

엘리스클라우드는 복잡한 설정 없이 클릭 한 번으로 GPU 인스턴스를 실행할 수 있는 AI 워크로드 전용 클라우드 플랫폼입니다. AI 실험 환경을 빠르고 간편하게 구축하고 싶다면, 지금 엘리스클라우드에서 시작해 보세요.