Test Autonome de Super Mario Utilisant des Modèles Comportementaux

L'article explore les méthodes de test autonome utilisées dans Super Mario Bros., en employant une approche de modèle comportemental. Il s'agit d'une suite à une série en cours visant à perfectionner le jeu autonome et à terminer les niveaux sans intervention humaine. L'accent principal est mis sur l'utilisation d'un générateur d'entrées basé sur la mutation, qui inverse les bits dans les données d'entrée pour créer des scénarios variés afin de tester la réponse du jeu, révélant ainsi des situations limites qui pourraient passer inaperçues via les tests traditionnels.

Voici un extrait de code de la méthodologie :

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

Cette approche est conçue pour imiter un jeu réaliste, permettant à certaines touches de rester enfoncées sur plusieurs images, similairement à la façon dont les joueurs maintiennent 'déplacement à droite' tout en tapotant 'saut'. Une collection de chemins, représentée par des séquences d'entrées, est maintenue et rejouée sélectivement pour trouver un parcours optimal à travers le jeu. Une fonction de fitness simple favorise les chemins avec la position la plus élevée sur l'axe des x, mais en raison de potentielles impasses, un ensemble diversifié de chemins avec des scores variés est exploré pour assurer des tests complets.

Cette technique est particulièrement utile pour les développeurs impliqués dans le développement de jeux ou ceux intéressés par l'automatisation des tests, offrant des perspectives sur l'exploration efficace d'espaces d'états complexes.