自动化的电子游戏 beta 测试方法
自动测试计算机游戏是一个具有挑战性的问题，特别是当需要测试冗长的场景时。本文提出了一种合作多代理测试方法，并基于一个名为实验室招募的 3D 游戏的案例研究，对其性能进行了研究。
May, 2024
本文提出了一种使用自动代理进行游戏测试的方法，该方法可以以分钟级的速度完成测试者需要数天才能完成的有机游戏。该测试方法的应用在《模拟人生移动版》中取得了积极的效果，对游戏的平衡性，奖励设置以及选项效果进行了评估和优化，从而提升了玩家体验。
Nov, 2018
通过自动化测试和自动计划行动模型学习技术，本文提出了一种用于测试特定视频游戏方面的方法和工作流。该方法和工作流允许游戏开发人员和 PDDL 建模经验者之间的高效合作，以实现对计划领域描述语言 (PDDL) 的正式模型的生成，从而通过在 Unity 游戏开发引擎中提供的简单的角色扮演游戏的教程项目进行演示。本文是向流程中建模专家的职位需求降到最低甚至消除的第一步，从而使自动计划可以更广泛地被应用。
Feb, 2024
本研究提出了一种基于数据驱动的模仿学习技术的自动游戏验证和测试方法，该方法需要很少的工作量和时间，设计师们可以用它来高效地训练游戏测试代理。研究结果表明，我们的方法确实是一种有效的游戏验证方法，数据驱动编程也将是减少游戏测试工作量和提高现代游戏测试质量的有用辅助工具。
Aug, 2022
利用实验性的强化学习系统增加自动化游戏测试解决方案的能力，展示了将强化学习应用于游戏开发中的用例，并提出了促进游戏产业采用机器学习和特别是强化学习的研究方向。
Jul, 2023
软件测试从手动到自动化方法的演变在质量保证实践中产生了重大影响，BugBlitz-AI 是一种基于人工智能的验证工具包，旨在通过自动化结果分析和错误报告生成来增强端到端的测试自动化，提高产品质量和快速上市时间。
May, 2024
TestLab 是一款智能自动化软件测试框架，它使用人工智能来收集一组测试方法并将其自动化，以允许对软件系统进行连续的多层级测试，包括从开发人员到最终用户的不同层次，增强了传统自动化软件测试，可以通过源代码分析自动生成测试用例，旨在加速软件开发周期并减少漏洞
Jun, 2023
本论文提出了利用学习方法，基于玩家所看到的渲染游戏屏幕，能够识别一系列感知错误的可能性，从而解决自动化游戏 bug 检测的问题，并且开发了一个名为 “World of Bugs” 的开放平台来测试该方法。
Feb, 2022
游戏行业面临着不断增长的需求和游戏复杂度，同时维持发布游戏的可接受质量标准的挑战。本文提出了一种基于像素状态观察的代理设计，通过演示轨迹来满足游戏测试工程师的喜好，并结合自监督和监督学习目标的模仿学习方法，显著优于现有基于像素的游戏测试代理，对复杂的开放世界环境进行探索覆盖和测试执行质量评估。
Aug, 2023