为测试赋能，腾讯WeTest探索手游AI自动化测试之路

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。

点击左下角“阅读原文”体进入WeTest