Автономное тестирование Super Mario с использованием моделей поведения

Статья углубляется в методы автономного тестирования, используемые в Super Mario Bros., применяя подход с моделью поведения. Это продолжение текущей серии, направленной на совершенствование автономной игры и прохождение уровней без человеческого вмешательства. Основное внимание уделяется использованию генератора ввода на основе мутаций, который изменяет биты во входных данных, создавая разнообразные сценарии для тестирования реакции игры, выявляя крайние ситуации, которые могут оставаться незамеченными при традиционном тестировании.

Вот фрагмент кода из методологии:

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

Этот подход разработан для имитации реалистичного игрового процесса, позволяя определенным клавишам оставаться нажатым на протяжении нескольких кадров, подобно тому, как игроки удерживают 'движение вправо', нажимая 'прыжок'. Поддерживается коллекция путей, представленных последовательностями ввода, которые затем выборочно воспроизводятся для нахождения оптимального маршрута через игру. Простая функция приспособленности отдает предпочтение путям с наибольшей позицией по оси X, но из-за потенциальных тупиков исследуется разнообразный набор путей с различными оценками, чтобы обеспечить всестороннее тестирование.

Эта техника особенно полезна для разработчиков, участвующих в разработке игр, или для тех, кто интересуется автоматизацией тестирования, предоставляя insights для эффективного исследования сложных пространств состояний.