【论文标题】Augmenting Automated Game Testing with Deep Reinforcement Learning通过深度强化学习增强自动游戏测试

【作者团队】Joakim Bergdahl, Camilo Gordillo, Konrad Tollmar, Linus Gisslén

【发表时间】2021-3-29

【论文链接】https://arxiv.org/pdf/2103.15819.pdf

【推荐理由】常规游戏测试依赖于使用人类游戏测试人员，游戏测试脚本以及对感兴趣区域的先验知识来产生相关的测试数据。使用深度强化学习（DRL），文章将自学习机制引入了游戏测试框架。使用DRL，该框架能够基于用户定义的强化奖励信号来探索和利用游戏机制。结果，测试覆盖面增加了，并且在多种游戏类型中发现了意外的游戏机制，漏洞利用和错误。在本文中，其证明了DRL可用于增加测试范围，发现漏洞，测试地图难度以及检测在第一人称射击游戏（FPS）游戏中出现的常见问题。

内容中包含的图片若涉及版权问题，请及时与我们联系删除