Teste Autônomo de Super Mario Usando Modelos de Comportamento

O artigo explora os métodos de teste autônomo utilizados em Super Mario Bros., empregando uma abordagem de modelo comportamental. Esta é uma continuação de uma série em andamento que visa aperfeiçoar a jogabilidade autônoma e completar níveis sem intervenção humana. O foco principal é usar um gerador de entrada baseado em mutação, que inverte bits nos dados de entrada para criar cenários variados para testar a resposta do jogo, revelando situações extremas que poderiam passar despercebidas em testes tradicionais.

Aqui está um trecho de código da metodologia:

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

Esta abordagem foi projetada para imitar a jogabilidade realista, permitindo que certas teclas permaneçam pressionadas em múltiplos quadros, semelhante a como os jogadores mantêm 'mover para a direita' enquanto pressionam 'pular'. Uma coleção de caminhos, representada por sequências de entrada, é mantida e reproduzida seletivamente para encontrar um curso ideal através do jogo. Uma função de aptidão simples favorece caminhos com a posição mais alta no eixo x, mas devido a possíveis becos sem saída, um conjunto diversificado de caminhos com pontuações variadas é explorado para garantir um teste abrangente.

Esta técnica é particularmente útil para desenvolvedores envolvidos no desenvolvimento de jogos ou para aqueles interessados em automação de testes, oferecendo insights sobre a exploração eficiente de espaços de estado complexos.