为测试赋能,腾讯WeTest探索手游AI自动化测试之路

作者周大军/孙大伟, 腾讯后台开发 高级工程师

商业转载请联系腾讯WeTest获得授权,非商业转载请注明出处。

WeTest 导读

做好自动化测试从来不件容易的事情,更何况是手游的自动化测试,相比传统的APP,手游画面纯OPENGL绘制无可识别控件,且界面动画多、随机性大。举个例子,拿新手引导来说,手游中新账号试玩会有一系列的新手引导,当新手引导过程通过之后,后面就不会再出现,但当账号升级到一定等级,又会出现新玩法的新手引导。且手游的版本迭代非常快,平均1-2周就会出一个版本,界面也经常发生变化,这些都给自动化测试带来很多障碍。

为解决手游自动化测试的这一瓶颈,腾讯WeTest依托腾讯人工智能研究的技术优势,率先尝试将基于深度学习的人工智能应用于手游测试当中,开启AI手游自动化测试时代。2017 ChinaJoy WeTest展台上火爆的贪吃蛇AI互动展示,正是这一探索的成果之一。

AI自动化测试系统,开启手游测试新风向

腾讯游戏的QA团队,对于更高质量手游的追求从未停歇过,如今AI大火,技术上也有比较大的进步以及成熟的框架,这也给手游的自动化测试带来很多新的可能性,目前腾讯内部也有不少团队在积极研究手游的AI自动化测试,大体上分为两种,一种是让AI模型可以测试绝大多数的手游;另一种则是基于特定的手游做更细更有针对性的AI测试模型。 

 AI自动化测试系统的处理过程

手游自动化测试最重要的核心,在于如何让电脑更智能的模拟真人的操作行为。一套基于深度学习的AI自动游戏系统,可以通过迭代训练,让机器自己做出动作决策,从而完成一系列的游戏操作。

AI自动游戏系统主要由4部分组成,说明如下:

● 处理模块1:负责和手机交互,UI自动化操作,管理,结果记录和存储等;

● 处理模块2:负责游戏UI界面的识别;

● 处理模块3:负责识别一局游戏内的物体和数据等;

● 处理模块4:负责决策玩游戏的动作决策,采用深度强化学习算法;

AI自动游戏系统整体框架如下图:

以天天酷跑为例,看AI自动化测试实战演练

以天天酷跑游戏的AI自动化测试为例,整个测试过程主要分为前期训练、接入测试、性能与结构反馈三个步骤:

前期训练

前期训练得到神经网络的权值(文件),后面测试只需要让神经网络加载这个权值(文件)就可输出学习到的动作决策,达到自动玩游戏的目的。

系统采用特定算法对模型进行训练。训练结果如下图,横坐标是玩的游戏局数,纵坐标是一局跑的里程数。整个训练过程共进行了上万局游戏,随着训练的次数增多,每局的里程数也在上升。

接入测试

天天酷跑游戏运行在WeTest云真机上,自动化进程和云真机交互,实时抓取游戏画面数据。

进入游戏后,检测进程识别游戏画面中的物体和数据,例如天天酷跑中的台阶、坑、柱子等物体信息以及距离等数值信息。游戏画面和识别出的物体和数据最终发给深度学习进程作为输入,深度学习进程的输出就是执行玩游戏的动作,例如天天酷跑中就是“下蹲”、“起身”、“跳跃”等。

一局游戏结束后,再重复上述的过程进行下一局测试。

性能和结果数据

AI在玩游戏的同时,系统可以获取手机的性能数据和游戏的结果数据,并在网页端进行展示。

如下图所示,每一行对应天天酷跑一局游戏,分别展示了手机CPU利用率,内存使用量,电池电量,温度,玩一局跑的里程数和游戏时间以及死亡前的游戏画面。

除了天天酷跑,AI自动游戏系统已接入腾讯多项精品游戏的测试工作。

腾讯WeTest携AI自动化手游测试,为游戏创造更大价值

使用AI自动游戏系统进行手游测试,游戏厂商可以借助AI的智能轻松实现类似于人工测试时在真机上玩游戏的过程,节省大量的测试人力成本。

随着人工智能技术的飞速发展,简单机械的游戏测试工作必将逐步向自动化、智能化转移。腾讯WeTest作为游戏质量的守护者,将为游戏开发者们提供操作更加便捷高效的AI自动化测试方案,让游戏开发者能更多地专注于游戏创意性、可玩性、操作习惯等更需要创意的环节,为游戏创造更大的价值。

✬如果你喜欢这篇文章,欢迎分享到朋友圈✬

关于腾讯WeTest

腾讯WeTest是腾讯游戏官方推出的一站式游戏测试平台,用十年腾讯游戏测试经验帮助广大开发者对游戏开发全生命周期进行质量保障。 腾讯WeTest提供:兼容适配测试;云端真机调试;安全测试;耗电量测试;服务器压力测试;舆情分析等服务。

原文发布于微信公众号 - 腾讯WeTest(TencentWeTest)

原文发表时间:2017-09-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏灯塔大数据

客服中心优化案例分析(附下载)—献给在案例解决方面缺乏经验的初学者

介绍 笔者写这篇文章主要是针对那些在案例解决方面缺乏自信的初学者,这将成为在面试中被拒的一个重要原因。如果你还在读这篇文章的话,笔者相信,你肯定已经做好了和我...

34260
来自专栏ATYUN订阅号

谷歌开发语音命令数据集的目的——帮助大家创建基础且有用的语音交互

谷歌的工程师们经常被问到这样的一个问题——怎么上手用深度学习做语音识别或其它音频识别,比如关键词或指令? 目前,出现了一些很优秀的开源语音识别系统,例如Kald...

37640
来自专栏CDA数据分析师

案例 | 客服中心优化案例数据分析

介绍:笔者写这篇文章主要是针对那些在案例解决方面缺乏自信的初学者,这将成为在面试中被拒的一个重要原因。如果你还在读这篇文章的话,笔者相信,你肯定已经做好了和我一...

25550
来自专栏华章科技

让推荐系统变得会“说话”——推荐理由设计实践

推荐系统对于处于信息爆炸时代的我们来说并不陌生。在日常生活中,我们使用到推荐系统提供的各种服务,在社交工具上认识志同道合的朋友,到音乐网站中欣赏自己感兴趣的音乐...

17210
来自专栏挖掘大数据

快速全面构建大数据认知体系

很多人都看过关于大数据方面的文章/书籍,但都是零散不成系统的,对自己并没有起到特别大的作用,所以本文希望能解决大家的疑惑,带大家从整体体系思路上,了解大数据产品...

28470
来自专栏新智元

量子计算新突破!耶鲁科学家把量子门“传送”了

耶鲁大学的研究人员发现,构建模块化量子计算机架构的关键步骤之一:根据需要在两个量子位之间放置“远距传送”的量子门。

9220
来自专栏CSDN技术头条

如何做好大数据产品设计架构和技术策略?

作者经过研发多个大数据产品,将自己形成关于大数据知识体系的干货分享出来,希望给大家能够快速建立起大数据产品的体系思路,让大家系统性学习和了解有关大数据的设计架构...

33980
来自专栏灯塔大数据

如何快速全面建立自己的大数据知识体系?

作者刘永平经过研发多个大数据产品,将自己形成关于大数据知识体系的干货分享出来,希望给大家能够快速建立起大数据产品的体系思路,让大家系统性学习和了解有关大数据的设...

48650
来自专栏磐创AI技术团队的专栏

福利 | 免费试用磐小妹智能客服系统

【磐创AI导读】:今天正式向大家介绍下最近磐创AI技术团队开发的一套智能客服系统,同时为回馈各位粉丝的长期支持与关注,我们为前10位有需要的老友提供免费接入使用...

20120
来自专栏BestSDK

交互新趋势,如何设计语音交互?

一直以来,我们使用的是以视觉界面交互为主的3C产品。iPhone,Google Glass,Apple Watch,以及增强现实的Magic Leap, Mic...

41690

扫码关注云+社区

领取腾讯云代金券