Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.07.2024
Automatisiertes Testing von Gaming-Software mit Reinforcement Learning
Prof. Dr. Gordon Fraser
Universität Passau
Lehrstuhl für Software Engineering II
Prof. Dr. William G.J. Halfond
University of Southern California, Los Angeles
Computer Science Department
Testautomatisierung ist entscheidend für Softwarequalität, doch die meisten spielähnlichen
Softwaresysteme werden manuell getestet, was oft aufgrund der Vielzahl von Spielzuständen und
komplexen Interaktionen unzureichend ist. Diese Unzulänglichkeit kann zu unbemerkten
Softwarefehlern führen, die den wirtschaftlichen Erfolg der Gaming-Industrie als auch den Nutzen von
Spielen in der Bildung beeinträchtigen. Automatisiertes Testen kann menschliche Tester unterstützen,
indem Fehler schneller, kostengünstiger und genauer erkannt werden und die Fehlerreproduktion zur
Behebung von Problemen erleichtert wird. Automatisierte Testgenerierung für Spiele ist jedoch aufgrund
der Komplexität und Zufälligkeit von Spielen eine Herausforderung. Die Zusammenarbeit zwischen der
Universität Passau und der University of Southern California zielt darauf ab, diese Herausforderungen zu
bewältigen, indem sie ihre Expertise in Reinforcement Learning und der Entdeckung von Spielaktionen
kombinieren. Das Projekt konzentriert sich auf die Unity-Engine und zielt darauf ab, einen hybriden
Ansatz zu entwickeln, um intelligente Agenten für die Spieltests zu trainieren, was letztendlich die
Forschung im Bereich der Spieltests vorantreibt.