OpenAim: 새로운 유형의 FPS 에임 트레이너 – 기능 및 커뮤니티 피드백

개요

OpenAim은 2026년 7월에 출시된 브라우저 기반 FPS 에임 트레이너로, 시각 커스터마이징, 피드백 신호, 감도 보정, 코칭 시스템 및 선택적 데이터 공유 기능을 제공합니다.

외관

외관 시스템은 모든 테마와 호환되는 색맹 친화적인 목표 색상 프리셋, 플레이필드 배경, 자유 플레이 전용으로 획득한 배경 팔레트(잠긴 팔레트는 잠금 해제 조건을 표시), 자유 플레이 전용으로 획득한 목표 스킨(평가된 드릴은 항상 표준 목표 사용), 드릴 사이를 천천히 전환하며 시각 피로를 줄이는 살아있는 장면(목표나 대비를 건드리지 않음), 장시간 세션을 위해 장면과 UI를 어둡고 따뜻하게 만들어 눈의 피로를 감소시키면서 목표 대비는 그대로 유지하는 눈 피로 감소 모드, 그리고 UI 전환을 비활성화하고 OS 설정을 따르는 모션 감소 옵션을 제공합니다.

십자선

십자선은 기본적으로 크기 7 px, 두께 2 px, 간격 4 px이며 테마 색상을 사용하고, 목표 위에서도 보이도록 외곽선을 포함하며, 깔끔한 텔레메트리를 유지하기 위해 기본적으로 목표 반응을 비활성화합니다.

피드백

피드백에는 60 % 볼륨의 히트 사운드가 포함된 히트 마커, 십자선에 나타나는 빨간색 미스 플래시, 놓친 샷 및 탄창 재장전 시 재생되는 샷 피드백 사운드, 멀티탭 드릴에서 발사 속도를 제한하고 너무 일찍 당겨진 입력을 표시하여 지연이 아닌 타이밍을 반영하는 차단 샷 신호, 십자선이 목표를 유지하는 동안 상승하는 지속 추적 톤, 화면 밖에서 스폰되는 목표를 알리기 위해 팬을 움직이는 오프스크린 스폰 신호, 해당 목표를 향한 짧은 가장자리 화살표를 표시하는 오프스크린 스폰 마커, 코칭 드릴에서 페이스 예산당 한 박자를 제공하는 페이스 메트로놈, 기록이 세워지거나 랭크에 도달하거나 연속 성공을 달성했을 때 콘페티와 장식을 추가하는 보상 순간, 장시간 세션 중 드릴 사이에 부드러운 20‑20‑20 알림을 제공하는 눈 휴식 알림, 타이머, 점수, 정확도 및 FPS를 표시하는 HUD 요소, 그리고 실행 중 전체 HUD를 숨기고 결과만 표시하는 젠 모드가 포함됩니다.

입력 및 카메라

입력 설정에서는 마우스 카운트당 감도를 설정하고, 선택적으로 마우스 DPI를 입력하여 cm/360 및 손 이동 모델링을 활성화하며, 게임 내 감도를 가져와 변환하고, 모든 리플레이에 기록되는 수평 시야각 103°를 설정하고, Y축 반전을 토글하며, 브라우저가 가속되지 않은 원시 마우스 움직임을 제공하는지 확인할 수 있습니다( OpenAim은 절대 가속을 추가하지 않으며, 원시 입력 상태는 첫 실행이 마우스를 잡을 때까지 알 수 없습니다).

코치

코치는 목표 성공률 드릴을 0.68 %까지 해결하는 챌린지 포인트를 사용하고, 전체 설명을 ? 칩 뒤에 숨겨두며, 사용자가 세션 길이(코칭 세션당 드릴 수)를 설정하고, 포커스를 선택하도록 합니다(코치에게 맡기거나 세션을 한 축에 고정). 또한 측정된 과소/과다 사격을 기반으로 감도를 자동 조정하는 AutoGain을 활성화합니다.

데이터 및 Aim Commons

데이터 캡처는 Summary(원시 마우스/카메라 스트림을 건너뜀) 또는 Full(심층 분석에 필요)으로 설정할 수 있으며, 클라이언트는 각 실행이 완료될 때마다 .oar 리플레이를 자동으로 다운로드합니다. Aim Commons는 기본적으로 익명 드릴 요약을 공유된 과학 기반 플레이어 모델에 기여하며, 이 모델은 모든 사용자가 시작점으로 삼고 실제 동료와의 평점을 재정규화합니다. 원시 마우스 트레이스, 신원 또는 디바이스 정보는 전송되지 않으며, 사용자는 언제든지 옵트아웃하거나 권한을 철회할 수 있습니다; 원시 리플레이와 공개 순위표는 켜지지 않는 한 비활성화됩니다. 기여 실행은 드릴 요약과 기능 특징(원시 마우스, 디바이스 정보 없음)을 전송하여 인구 모델을 개선하고, 순위표는 공개 핸들 아래에서 작업‑Elo 보드로 사용자를 순위 매깁니다. 리플레이 공유는 원시 마우스 움직임 트레이스(약간의 생체 정보)를 업로드하여 심층 분석 및 관전을 가능하게 하며, 앞서 언급된 두 가지 옵트인 동의가 필요합니다. 또한 텔레메트리 의미를 변경하는 모든 설정(FOV, 감도, 목표 스타일, 십자선, 반전, 캡처 레벨)은 각 리플레이의 .oar 헤더에 기록되어 분석 시 사용된 설정을 반영합니다.

커뮤니티 피드백

초기 사용자들은 조준이 끊기는 느낌이며, 마치 커서가 레일에 고정되었거나 격자에 갇힌 듯하다고 지적했습니다. 이는 현대 슈팅 게임을 제대로 반영하지 못하고 습관 형성에 해로울 수 있다고 판단했습니다. 일부는 시뮬레이션이 Firefox에서 작동하지 않아 십자선이 화면 중앙에 고정된다고 보고했으며, 다른 사용자들은 페이지가 PC를 매우 느리게 만든다고 밝혔습니다. 여러 댓글 작성자는 초기 설정이 훈련에 어떻게 적용되는지 감을 잡기 전에는 압도적일 수 있으니 더 간단한 온보딩을 요구했습니다. 몇몇은 “모름”을 선택한 후 초기 보정 단계를 변경하거나 모든 데이터를 삭제할 수 있는 방법을 요청했으며, 현재 명확한 초기화 경로가 없습니다. 시스템이 플릭 오류와 트래킹 오류를 구분하는지, 감도 가져오기 정확성(예: Deadlock 0.68이 앱에서 느리게 느껴짐), 보정된 감도는 정확하지만 게임 내 감도가 훨씬 높게 표시되는 버그 가능성 등에 대한 질문이 제기되었습니다. 커뮤니티의 제안으로는 목표 정확도 임계값을 조정하는 동적 난이도, 약점을 감지하고 관련 드릴을 실행하는 동적 시나리오, 실시간 습관 코칭(예: 과도한 빠른 클릭이나 부적절한 트래킹 표시), 팔‑손목 협응에 초점을 맞춘 생체역학 피드백, 메뉴를 줄인 간소화된 워크플로, 그리고 Valorant 전용 드릴(각도 유지, 팔로우, 지글, 마이크로 플릭, 스태틱, 스트레이프) 등이 있습니다. 일부 사용자는 코드가 오픈 소스가 될지 물었고, 다른 사용자들은 기능 세트의 깊이를 칭찬하면서도 과도한 화면 텍스트가 인터페이스를 한눈에 읽기 어렵게 만든다고 경고했습니다.