Este artigo de pesquisa foi apresentado na Conferência IEEE sobre Jogos 2021.
À medida que os jogos modernos continuam crescendo em tamanho e complexidade, tornou-se mais desafiador garantir que todo o conteúdo relevante seja testado e que qualquer problema potencial seja devidamente identificado e corrigido. Tentar maximizar a cobertura de testes usando apenas participantes humanos, no entanto, resulta em um processo tedioso e difícil de orquestrar, que normalmente desacelera o ciclo de desenvolvimento.
Complementar os testes de jogo por meio de agentes autônomos mostrou grande promessa em acelerar e simplificar esse processo.
Este artigo aborda o problema de explorar e testar automaticamente um determinado cenário usando agentes de aprendizado por reforço treinados para maximizar a cobertura do estado do jogo. Cada um desses agentes é recompensado com base na novidade de suas ações, incentivando assim um comportamento curioso e exploratório em um cenário 3D complexo onde as técnicas de exploração propostas anteriormente têm um desempenho ruim. Os agentes curiosos são capazes de aprender as complexas mecânicas de navegação necessárias para alcançar as diferentes áreas do mapa, fornecendo assim os dados necessários para identificar problemas potenciais.
----------
SEED é um grupo pioneiro dentro da Electronic Arts, combinando criatividade com pesquisa aplicada. Nós exploramos, construímos e ajudamos a determinar o futuro do entretenimento interativo.
Encontre-nos em: