시각-언어 모델 (VLM) 의 역량이 급격히 성장함에 따라, 비디오 게임과 같은 상호작용적 결정 작업으로 이를 확장하는 것은 유망한 연구 분야로 부상했습니다. 그러나 기존 접근법은 인간 궤적을 대규모로 감독 미세 조정 (SFT) 에 의존하거나, 상대적으로 짧은 지평 설정 (보통 20~30 회) 에서만 강화 학습 (RL) 을 적용합니다. 본 작업에서는 Super Mario Land 라는 시각적 기반 환경에서 조율된 인식, 추론, 행동이 필요하며 100 회 이상의 상호작용을 요구하는 장기 지형 결정 작업을 위한 VLM 의 RL 기반 훈련을 연구합니다. 우리는 먼저 핵심 알고리즘 구성 요소를 체계적으로 조사하고, PPO 의 변형을 제안하며, 경량화된 턴 레벨 크리틱 (critic) 을 적용하여 GRPO 나 Reinforce++ 와 같은 크리틱 없는 방법들보다 훈련 안정성과 샘플 효율성을 현저히 개선합니다. 또한 사전 학습된 VLM 이 강력한 행동 선행 확률 (action priors) 을 제공하며, 이는 RL 훈련 동안 샘플 효율성을 크게 향상시키고, 행동 엔지니어링과 같은 수동 설계 선택의 필요성을 줄입니다. 이러한 통찰을 바탕으로 우리는 Odysseus 를 소개합니다. 이는 VLM 에이전트를 위한 오픈 소인 훈련 프레임워크로, 게임의 여러 수준에서 실질적인 성능 향상을 이루며, 최첨단 모델 대비 평균 게임 진행도를 최소 3 배 이상 개선합니다. 또한 훈련된 모델은 게임 내 일반화 및 교차 게임 일반화 설정 모두에서 일관된 성능 향상을 보이며, 일반 도메인 능력을 유지합니다. 종합적으로, 우리의 결과는 장기 지형 다중 모달 환경에서 RL 을 안정적이고 효과적으로 만드는 핵심 요소를 확인하며, VLM 을 임베디드 에이전트로 개발하는 데 실질적인 지침을 제공합니다.