核心概念
ゲームログと増分アクションモデル学習手法を使って、ゲームプレイメカニクスの正式なモデルを維持し、ゲーム開発者とPDDLモデリング経験者の効率的な協力を可能にする。
要約
本論文では、ゲームの特定の側面の回帰テストを自動化するための方法とワークフローを提案する。基本的なアイデアは、詳細なゲームログと増分アクションモデル学習手法を使って、プランニングドメイン記述言語(PDDL)でゲームプレイメカニクスの正式なモデルを維持することである。このワークフローにより、PDDLやその他の正式なシステムの経験がないゲーム開発者と、ゲーム開発スキルはないがPDDLモデリングの経験がある人の効率的な協力が可能になる。
まず、ゲームの合法的な操作/アクションの非公式だが構造化された説明を書く。次に、モデラーがこれらの説明から必要な述語を特定する。開発者はその後、ログ記録のためにソースコードを拡張する。ログを使って自動的にPDDLモデルを生成し、モデラーが手動で評価・調整する。最後に、プランナーを使ってテストスクリプトを生成し、開発者が自動的に実行できるようにする。
本論文は、モデリング専門家の必要性を最小限に抑えることで、自動プランニングをより広範な層に普及させる最初の一歩を示している。
統計
2023-08-15 19:31:21 916 (not (questState apples-quest ready));start_quest
2023-08-15 19:31:21 916 (questState apples-quest started);start_quest
2023-08-15 19:31:24 598 (not (collected apples 0));pickup
2023-08-15 19:31:24 598 (collected apples 1);pickup
2023-08-15 19:31:30 055 (not (questState apples-quest started));complete_quest
2023-08-15 19:31:30 056 (questState apples-quest complete);complete_quest