Pruebas Autónomas de Super Mario Usando Modelos de Comportamiento

El artículo profundiza en los métodos de prueba autónoma utilizados en Super Mario Bros., empleando un enfoque de modelo de comportamiento. Este es un seguimiento de una serie en curso que busca perfeccionar el juego autónomo y completar niveles sin intervención humana. El enfoque principal es el uso de un generador de entradas basado en mutaciones, que invierte bits en los datos de entrada para crear escenarios variados para probar la respuesta del juego, revelando situaciones extremas que podrían pasar desapercibidas mediante pruebas tradicionales.

Aquí hay un fragmento de código de la metodología:

import mario
import random

def generate_input(starting_byte, flip_probability, input_length):
    input = []
    next_byte = starting_byte
    for _ in range(input_length):
        for j in range(8):
            if random.random() < flip_probability:
                next_byte ^= (1 << j)
        input.append(next_byte)
    return input

Este enfoque está diseñado para imitar el juego real, permitiendo que ciertas teclas permanezcan presionadas durante múltiples fotogramas, similar a cómo los jugadores mantienen presionado 'mover a la derecha' mientras presionan 'saltar'. Se mantiene una colección de caminos, representados por secuencias de entrada, que se reproducen selectivamente para encontrar un curso óptimo a través del juego. Una simple función de adecuación favorece los caminos con la posición más alta en el eje x, pero debido a posibles callejones sin salida, se explora un conjunto diverso de caminos con puntuaciones variadas para asegurar pruebas exhaustivas.

Esta técnica es particularmente útil para desarrolladores involucrados en el desarrollo de juegos o aquellos interesados en la automatización de pruebas, ofreciendo información sobre la exploración eficiente de espacios de estado complejos.