Este artículo de investigación fue presentado en la Conferencia IEEE sobre Juegos 2021.
A medida que los juegos modernos continúan creciendo tanto en tamaño como en complejidad, se ha vuelto más desafiante asegurar que todo el contenido relevante sea probado y que cualquier problema potencial sea identificado y solucionado adecuadamente. Intentar maximizar la cobertura de pruebas utilizando solo participantes humanos, sin embargo, resulta en un proceso tedioso y difícil de orquestar que normalmente ralentiza el ciclo de desarrollo.
Complementar las pruebas de juego a través de agentes autónomos ha mostrado gran promesa en acelerar y simplificar este proceso.
Este artículo aborda el problema de explorar y probar automáticamente un escenario dado utilizando agentes de aprendizaje por refuerzo entrenados para maximizar la cobertura del estado del juego. Cada uno de estos agentes es recompensado en función de la novedad de sus acciones, lo que fomenta un comportamiento curioso y exploratorio en un escenario 3D complejo donde las técnicas de exploración propuestas anteriormente tienen un rendimiento deficiente. Los agentes curiosos son capaces de aprender las complejas mecánicas de navegación necesarias para alcanzar las diferentes áreas del mapa, proporcionando así los datos necesarios para identificar problemas potenciales.
----------
SEED es un grupo pionero dentro de Electronic Arts, combinando creatividad con investigación aplicada. Exploramos, construimos y ayudamos a determinar el futuro del entretenimiento interactivo.
Encuéntranos en: