VRScout：面向虚拟现实游戏的实时自主测试
机器学习
2025-11-04 v1 人工智能
计算机视觉与模式识别
摘要
虚拟现实（VR）正在迅速成为游戏和交互体验的主流平台，但确保 VR 内容的质量、安全性和适当性仍是一个迫在眉睫的挑战。传统的人类质量保证方法费用高昂，无法随行业快速发展而扩展。虽然自动化测试已应用于传统 2D 和 3D 游戏，但将其扩展到 VR 引入了独特的困难，由于高维感官输入和严格的实时性能要求。我们提出 VRScout，一个基于深度学习的智能体，能够在类人且实时的方式中自主导航 VR 环境并与虚拟对象交互。VRScout 通过增强型动作块化变换器（Action Chunking Transformer）从人类演示中学习，预测多步动作序列，从而捕获更高层次的策略并在 diverse 环境中泛化。为平衡响应速度与精确度，我们引入可动态调整的滑动时域 horizon，以在运行时调整智能体的时序上下文。我们在商业 VR 标题上评估了 VRScout，表明其仅需有限的训练数据即可实现专家水平的性能，同时在消费级硬件上保持 60 FPS 的实时推理。这些结果将 VRScout 定位为自动化 VR 游戏测试的实用且可扩展框架，具有直接用于质量保证和安全审计的应用前景。
引用
@article{arxiv.2511.00002,
title = {VRScout: Towards Real-Time, Autonomous Testing of Virtual Reality Games},
author = {Yurun Wu and Yousong Sun and Burkhard Wunsche and Jia Wang and Elliott Wen},
journal= {arXiv preprint arXiv:2511.00002},
year = {2025}
}