使用深度强化学习测试三消类视频游戏
软件工程
2020-11-26 v2 机器学习
机器学习
摘要
测试视频游戏是生产过程中的关键步骤，需要投入大量的时间和资源。一些软件公司正尝试利用人工智能来减少对人力资源的需求，使用能够替代人类测试员的系统。我们研究了使用深度强化学习来自动化三消类视频游戏测试过程的可能性，并建议在Dueling Deep Q-Network范式框架内解决该问题。我们在由redBit Games开发的三消游戏《Jelly Juice》上测试了这种网络。该网络从游戏环境中提取基本信息并推断下一步动作。我们将结果与随机玩家的表现进行比较，发现该网络显示出更高的成功率。其结果在大多数情况下与真实用户获得的结果相似，并且该网络还成功地随时间学习了区分不同游戏关卡的特征，并使其策略适应日益增加的难度。
引用
@article{arxiv.2007.01137,
title = {Testing match-3 video games with Deep Reinforcement Learning},
author = {Nicholas Napolitano},
journal= {arXiv preprint arXiv:2007.01137},
year = {2020}
}