在游戏开发行业，测试工作占据了相当大的开发预算和人力资源。本文介绍了对冰球游戏EA SPORTS NHL 26开发版本的案例研究，重点测试守门员AI的行为漏洞。
为了减少在开发阶段每次游戏或行为修改后重新测试守门员AI的工作量，我们提出了一种新颖的奖励适应迭代发现（RAID）方法，利用迭代强化学习（RL）自动发现漏洞，训练一群得分代理。
虽然之前的方法已经能够成功找到漏洞，但RL算法往往会过度拟合到单一解决方案。我们在现有RL算法的基础上引入了一个简单的扩展，使其能够找到多个多样化的高质量解决方案。
在首次部署该方法的实验中，我们在一次实验中找到了六种得分漏洞策略，这些策略在质上与人类测试者在数小时的手动测试中发现的策略相似。
博主点评： 本文提出的RAID方法通过强化学习的迭代过程显著提高了游戏测试的效率，尤其是在发现多样化策略方面，具有重要的实践意义。该方法的创新性和应用潜力值得关注，未来可能会在更多游戏开发中推广使用。