Fugu-MT 論文翻訳(概要): PlayTest: A Gamified Test Generator for Games

論文の概要: PlayTest: A Gamified Test Generator for Games

arxiv url: http://arxiv.org/abs/2310.19402v1
Date: Mon, 30 Oct 2023 10:14:27 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 21:00:01.361269
Title: PlayTest: A Gamified Test Generator for Games
Title（参考訳）: playtest:ゲーム用のゲーム化テストジェネレータ
Authors: Patric Feldmeier, Philipp Straubinger, Gordon Fraser
Abstract要約: Playtestは、タイリングテストプロセスを目的のある競争ゲームに変換する。プレイテストフェーズでは,プレイテストの段階において,プレイヤーがツールを介して各ゲームにアクセスできるようにすることで,ゲームテストのタスクをクラウドソーシングするために,Playtestを使用することを想定する。
参考スコア（独自算出の注目度）: 11.077232808482128
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Games are usually created incrementally, requiring repeated testing of the same scenarios, which is a tedious and error-prone task for game developers. Therefore, we aim to alleviate this game testing process by encapsulating it into a game called Playtest, which transforms the tiring testing process into a competitive game with a purpose. Playtest automates the generation of valuable test cases based on player actions, without the players even realising it. We envision the use of Playtest to crowdsource the task of testing games by giving players access to the respective games through our tool in the playtesting phases during the development process.
Abstract（参考訳）: ゲームは通常段階的に作成され、同じシナリオを繰り返しテストする必要がある。そこで我々は,Playtestと呼ばれるゲームにカプセル化することで,このゲームテストプロセスを緩和することを目的としている。 playtestはプレイヤーのアクションに基づいて価値あるテストケースを自動生成する。開発プロセス中のプレイテストフェーズにおいて,ツールを通じて各ゲームにアクセスできるようにすることにより,ゲームテストタスクをクラウドソーシングするPlaytestの利用を想定する。

関連論文リスト

Cooperative Multi-agent Approach for Automated Computer Game Testing [1.4931265249949526]
近年、多くのゲームがマルチプレイヤーであり、このようなゲームをテストするために複数の協調テストエージェントをデプロイする興味深い可能性を秘めている。本稿では,ラボ・リクルート(Lab Recruits)と呼ばれる3Dゲームにおけるケーススタディに基づく,協調型マルチエージェント・テスト手法とその性能に関する研究について述べる。
論文参考訳（メタデータ） (2024-05-18T17:31:26Z)
Observation-based unit test generation at Meta [52.4716552057909]
TestGenは、アプリケーション実行中に観察された複雑なオブジェクトのシリアライズされた観察から作られたユニットテストを自動的に生成する。 TestGenは518のテストを本番環境に投入し、継続的統合で9,617,349回実行され、5,702の障害が見つかった。評価の結果,信頼性の高い4,361のエンドツーエンドテストから,少なくとも86%のクラスでテストを生成することができた。
論文参考訳（メタデータ） (2024-02-09T00:34:39Z)
Gamifying a Software Testing Course with Continuous Integration [13.086283144520513]
GamekinsはJenkinsの継続的インテグレーションプラットフォームにシームレスに統合されたツールだ。開発者はGamekinsが生成したテストの課題とクエストを完了してポイントを獲得することができる。学生がコードをテストする方法とゲームキンスの使用方法の相関関係を観察する。
論文参考訳（メタデータ） (2024-01-31T11:00:16Z)
BDD-Based Framework with RL Integration: An approach for videogames automated testing [0.0]
ビデオゲームのテストは、従来のソフトウェア開発のプラクティスとは異なる。振る舞い駆動開発(BDD)と強化学習(RL)の統合を提案する。
論文参考訳（メタデータ） (2023-10-08T20:05:29Z)
Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
論文参考訳（メタデータ） (2023-07-19T18:19:23Z)
Inspector: Pixel-Based Automated Game Testing via Exploration, Detection, and Investigation [116.41186277555386]
Inspectorは、ゲームと深く統合することなく、異なるゲームに容易に適用できるゲームテストエージェントである。インスペクタは純粋にピクセル入力に基づいており、ゲームスペースエクスプローラー、キーオブジェクト検出器、人間に似たオブジェクトインスペクタの3つの重要なモジュールから構成されている。実験結果は,ゲーム空間の探索,キーオブジェクトの検出,オブジェクトの調査におけるインスペクタの有効性を示す。
論文参考訳（メタデータ） (2022-07-18T04:49:07Z)
Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文参考訳（メタデータ） (2022-03-10T02:37:39Z)
SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video Games Using Risk Based Testing and Machine Learning [62.997667081978825]
従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
論文参考訳（メタデータ） (2022-03-10T00:47:46Z)
Augmenting Automated Game Testing with Deep Reinforcement Learning [0.4129225533930966]
一般的なゲームテストは、人間プレイテスターの使用、テストスクリプティングのプレイ、関連するテストデータを生成するための関心領域の事前知識に依存している。深層強化学習(DRL)を用いたゲームテストフレームワークに自己学習メカニズムを導入する。 DRLは、テストカバレッジの向上、エクスプロイトの発見、マップの難しさ、ファーストパーソンシューティングゲーム(FPS)のテストで発生する一般的な問題の検出に使用できる。
論文参考訳（メタデータ） (2021-03-29T11:55:15Z)
An Empirical Study on the Generalization Power of Neural Representations Learned via Visual Guessing Games [79.23847247132345]
本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
論文参考訳（メタデータ） (2021-01-31T10:30:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。