Core Concepts
본 논문은 자동화된 계획 및 증분 행동 모델 학습 기술을 활용하여 특정 비디오 게임 측면의 회귀 테스팅을 자동화하는 방법과 워크플로를 제안한다.
Abstract
이 논문은 비디오 게임 개발 과정에서 회귀 테스팅을 자동화하는 방법을 제안한다. 주요 내용은 다음과 같다:
게임 로그와 증분 행동 모델 학습 기술을 활용하여 게임플레이 메커닉스를 PDDL(Planning Domain Definition Language) 형식의 공식 모델로 유지하는 방법을 제안한다.
게임 개발자와 PDDL 모델링 전문가 간의 효율적인 협업을 가능하게 하는 워크플로를 설명한다. 이를 통해 PDDL 모델링 전문가의 필요성을 최소화하고 자동화된 계획을 더 많은 사람들이 활용할 수 있게 한다.
간단한 RPG 게임을 사용하여 제안된 방법론의 실제 적용 사례를 보여준다. 게임 로그를 기반으로 PDDL 모델을 자동 생성하고, 이를 활용하여 테스트 스크립트를 생성하는 과정을 설명한다.
완전 자동화된 로깅 및 모델 학습을 위한 과제와 도전 과제를 논의한다.
Stats
(location player 9,-4);move
(not (location player 9,-4));move
(collected apples 1);pickup
(not (collected apples 0));pickup
(questState apples-quest started);start_quest
(not (questState apples-quest ready));start_quest
(questState apples-quest complete);complete_quest
(not (questState apples-quest started));complete_quest