Deep reinforcement learning aplicado al testeo de juegos

Abstract

El objetivo de este trabajo ha sido estudiar la viabilidad del uso de Inteligencia Artificial para comprobar el correcto funcionamiento de un videojuego. Con la creciente complejidad en los videojuegos actuales y su desarrollo, realizar un testeo adecuado es cada vez un proceso más largo y costoso, lo que aumenta la necesidad de usar soluciones automatizadas. En la actualidad se usan principalmente probadores humanos y soluciones automatizadas basadas en script. Sin embargo, ambas soluciones presentan distintos problemas (determinismo, coste, tiempo…). La solución propuesta consiste en implementar un modelo de Deep Reinforcement Learning (DRL) que aprenda a explorar el escenario, consiguiendo una mayor cobertura y eliminando el determinismo de otras opciones.

The goal of this project has been to study the viability of the use of Artificial Intelligence for Game Testing. With the increasing complexity in today's video games and their development, conducting proper testing is becoming a longer and more expensive process, which increases the need to use automated solutions. Currently, human testers and automated script-based solutions are mainly used. However, both solutions present different problems (determinism, cost, time ...). The proposed solution consists of implementing a Deep Reinforcement Learning (DRL) model that learns to explore the scenario, achieving greater coverage and eliminating the determinism of other options.