Inspector：基于像素的通过探索、检测与调查实现自动化游戏测试
人工智能
2022-07-19 v1
摘要
深度强化学习(DRL)在自动化游戏测试中备受关注。早期尝试依赖游戏内部信息进行游戏空间探索，因此需要与游戏深度集成，不利于实际应用。本工作中，我们提出仅以截图/像素作为自动化游戏测试的输入，并构建通用游戏测试智能体Inspector，无需与游戏深度集成即可轻松应用于不同游戏。除覆盖全部游戏空间进行测试外，我们的智能体尝试采取类人行为以与游戏中的关键对象交互，因为某些bug常发生于玩家与对象的交互中。Inspector基于纯像素输入，包含三个关键模块：游戏空间探索器、关键对象检测器与类人对象调查器。游戏空间探索器旨在利用基于好奇心的奖励函数与像素输入探索整个游戏空间。关键对象检测器基于少量标注截图检测游戏中的关键对象。类人对象调查器旨在通过模仿学习模仿人类行为以调查关键对象。我们在两款流行电子游戏——射击游戏与动作RPG游戏上开展实验。实验结果表明Inspector在探索游戏空间、检测关键对象与调查对象方面的有效性。此外，Inspector成功发现这两款游戏中的两个潜在bug。Inspector演示视频见https://github.com/Inspector-GameTesting/Inspector-GameTesting。
引用
@article{arxiv.2207.08379,
title = {Inspector: Pixel-Based Automated Game Testing via Exploration, Detection, and Investigation},
author = {Guoqing Liu and Mengzhang Cai and Li Zhao and Tao Qin and Adrian Brown and Jimmy Bischoff and Tie-Yan Liu},
journal= {arXiv preprint arXiv:2207.08379},
year = {2022}
}
备注
Accepted as IEEE CoG2022 proceedings paper (Oral)