論文の概要: Improving Mobile User Interface Testing with Model Driven Monkey Search
- arxiv url: http://arxiv.org/abs/2608.00236v1
- Date: Fri, 31 Jul 2026 19:30:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 15:15:35.454008
- Title: Improving Mobile User Interface Testing with Model Driven Monkey Search
- Title（参考訳）: モデル駆動型モンキーサーチによるモバイルユーザインタフェーステストの改善
- Abstract要約: モバイルアプリケーションのテストは、ユーザ入力をシミュレートするAndroidシステム用のExerciser Monkeyのようなツールに依存することが多い。
インタラクティブな要素を含むAndroidアプリケーションのコードを表現することができる新しい制御フロー構造を提案する。
本研究では,テスト環境の知識を提供することで,エクササイズ・モンキーの有効性(高いカバレッジ)と効率(重複/冗長テストの除去)を高めることができることを示す。
- 参考スコア（独自算出の注目度）: 3.745361302469074
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Testing mobile applications often relies on tools, such as Exerciser Monkey for Android systems, that simulate user input. Exerciser Monkey, for example, generates random events (e.g., touches, gestures, navigational keys) that give developers a sense of what their application will do when deployed on real mobile phones with real users interacting with it. These tools, however, have no knowledge of the underlying applications' structures and only interact with them randomly or in a predefined manner (e.g., if developers designed scenarios, a labour-intensive task) -- making them slow and poor at finding bugs. In this paper, we propose a novel control flow structure able to represent the code of Android applications, including all the interactive elements. We show that our structure can increase the effectiveness (higher coverage) and efficiency (removing duplicate/redundant tests) of the Exerciser Monkey by giving it knowledge of the test environment. We compare the interface coverage achieved by the Exerciser Monkey with our new Monkey++ using a depth first search of our control flow structure and show that while the random nature of Exerciser Monkey creates slow test suites of poor coverage, the test suite created by a depth first search is one order of magnitude faster and achieves full coverage of the user interaction elements. We believe this research will lead to a more effective and efficient Exerciser Monkey, as well as better targeted search based techniques for automated Android testing.
- Abstract（参考訳）: モバイルアプリケーションのテストは、ユーザ入力をシミュレートするAndroidシステム用のExerciser Monkeyのようなツールに依存することが多い。
例えば、Exerciser Monkeyはランダムなイベント(タッチ、ジェスチャー、ナビゲーションキーなど)を生成します。
しかしながら、これらのツールは、基盤となるアプリケーションの構造に関する知識を持っておらず、ランダムに、あるいは事前に定義された方法でのみ相互作用する(例えば、開発者がシナリオを設計した場合、労働集約的なタスク)。
本稿では,Androidアプリケーションのコードを表現するための新しい制御フロー構造を提案する。
本研究では,テスト環境の知識を提供することで,エクササイズ・モンキーの有効性(高いカバレッジ)と効率(重複/冗長テストの除去)を高めることができることを示す。
Exerciser Monkeyが達成したインターフェースカバレッジと、制御フロー構造の深さファーストサーチを使用した新しいMonkey++を比較して、Exerciser Monkeyのランダムな性質が低カバレッジの遅いテストスイートを生成する一方で、deep Firstサーチによって生成されたテストスイートは、桁違いに高速で、ユーザインタラクション要素の完全なカバレッジを実現していることを示す。
この研究により、より効率的で効率的なExerciser Monkeyが実現し、Androidの自動テストのためのターゲティングベースの技術が向上すると考えています。
関連論文リスト
- Improving Proficiency and Efficiency of Android GUI Agents via Self-Generating Tool Actions [24.76596973597511]
DroidToolは、エージェントを自己生成ツールで拡張するためのフレームワークである。
DroidToolでは、プロポーザル、実装、テスト生成と実行、修復といったステージを特徴とするエージェントワークフローを採用している。
論文 参考訳（メタデータ） (2026-09-06T19:22:53Z) - Modelling Android applications through static analysis and systematic exploratory testing [2.3074667378396807]
DroidGraphは、Androidアプリケーションの包括的な制御フローモデルを生成するフレームワークである。
効率的な探索テストは345回のランダムな探索よりも18%多くアプリケーションと相互作用することを示します。
論文 参考訳（メタデータ） (2026-07-31T19:18:18Z) - Sakura: An Approach for Generating Complex Tests from Natural Language Test Descriptions [46.562528718959506]
Sagaは、自然言語(NL)による開発者意図の記述からテストを生成するためのフレームワークである。
サクラはNL記述を構造化ブロックに分解し、マルチエージェントシステムを用いて処理する。
Sagaは、Gemini CLIのような真剣なエージェントツールよりも大幅に優れています。
論文 参考訳（メタデータ） (2026-05-30T04:49:10Z) - WebTestBench: Evaluating Computer-Use Agents towards End-to-End Automated Web Testing [57.7131457251794]
エンドツーエンドの自動Webテストを評価するベンチマークであるWebTestBenchを紹介します。
テストプロセスを2つのカスケードサブタスク、チェックリストの生成と欠陥検出に分解し、WebTesterを提案する。
以上の結果から,現在のコンピュータ利用エージェント能力と産業レベルの展開要求との間に大きなギャップがあることが判明した。
論文 参考訳（メタデータ） (2026-03-26T09:27:29Z) - EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems [59.66823584073748]
現在のAIエージェントの基本的な制限は、テスト時に複雑なスキルをその場で学べないことだ。
EvoTestは,エージェントの微調整や勾配を伴わずにエージェントを改良する,進化的テストタイム学習フレームワークである。
論文 参考訳（メタデータ） (2025-10-15T07:16:28Z) - AUITestAgent: Automatic Requirements Oriented GUI Function Testing [12.83932274541321]
本稿では,モバイルアプリ用の初の自動自然言語駆動GUIテストツールであるAUITestAgentを紹介する。
GUIインタラクションと機能検証の全プロセスを完全に自動化することができる。
カスタマイズされたベンチマークの実験では、AUITestAgentが生成されたGUIインタラクションの品質で既存のツールより優れていることが示されている。
論文 参考訳（メタデータ） (2024-07-12T06:14:46Z) - Benchmarking Predictive Coding Networks -- Made Simple [48.652114040426625]
機械学習における予測符号化ネットワーク(PCN)の効率性とスケーラビリティの問題に取り組む。
そこで我々は,PCXと呼ばれる,パフォーマンスと簡易性を重視したライブラリを提案する。
我々は,PCNの既存アルゴリズムと,生物工学的な深層学習コミュニティで普及している他の手法を併用して,このようなベンチマークを広範囲に実施する。
論文 参考訳（メタデータ） (2024-07-01T10:33:44Z) - Enhancing GUI Exploration Coverage of Android Apps with Deep Link-Integrated Monkey [32.81564148015536]
Delm氏は動的探索プロセスを監督し、ツールを無意味なテストループから探索されていないGUIページへと誘導する。
我々は,Delmのアクティビティコンテキストモックアップ,アクティビティカバレッジ,メソッドカバレッジ,クラッシュ検出における有効性を評価する実験を行った。
論文 参考訳（メタデータ） (2024-04-30T07:24:32Z) - First Contact: Unsupervised Human-Machine Co-Adaptation via Mutual
Information Maximization [112.40598205054994]
我々はこのアイデアを、インターフェースを最適化するための完全に教師なしの目的として定式化する。
タイピング,シミュレートされたロボットの制御,ゲームプレイなど,様々なキーボードとアイアイのインタフェースを運用しているユーザの540K例について,観察的研究を行った。
以上の結果から,我々の相互情報スコアは,様々な領域における真真正タスク完了メトリクスの予測値であることが示唆された。
論文 参考訳（メタデータ） (2022-05-24T21:57:18Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z) - Nirikshak: A Clustering Based Autonomous API Testing Framework [0.0]
Nirikshakは、REST APIテストのための自立テストフレームワークである。
REST APIテスト手順の実行において、レベル2の自律性を達成する。
Nirikshakはコミュニティ向けのオープンソースソフトウェアとしてhttps://github.com/yashmahalwal/nirikshakで公開されている。
論文 参考訳（メタデータ） (2021-12-15T18:05:27Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。