پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

ابزار متن‌باز Aura Autopilot معرفی شد؛ تست و عیب‌یابی خودکار بازی‌های ویدیویی با هوش مصنوعی

انتشار:۱۰ آبان ۱۴۰۵(۳ دقیقه پیش)
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

استارتاپ Ramen از ابزار متن‌باز Aura Autopilot برای ارزیابی و تست خودکار بازی‌ها در موتورهای بازی‌سازی رونمایی کرد. این عامل هوشمند با اجرای زنده بازی و شبیه‌سازی رفتارهای بازیکن، باگ‌ها و ایرادات فنی را به‌صورت بلادرنگ شناسایی می‌کند و با هر بار اجرا عملکرد دقیق‌تری ارائه می‌دهد.

ابزار متن‌باز Aura Autopilot معرفی شد؛ تست و عیب‌یابی خودکار بازی‌های ویدیویی با هوش مصنوعی

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • ابزار متن‌باز Aura Autopilot بازی‌های ویدیویی را در موتورهای بازی‌سازی به‌صورت زنده اجرا می‌کند و با یاد‌گیری مداوم به شناسایی باگ‌ها می‌پردازد.
  • این سامانه با پشتیبانی از مدل‌های کدنویسی هوش مصنوعی نظیر Claude Code و Codex بستری خودکار برای آزمون و ارزیابی بازی ایجاد می‌کند.
  • توسعه‌دهندگان بازی می‌توانند با پرامپت‌های متنی ساده سناریوهایی مانند کاوش در بازی، شکست دادن غول مرحله یا بررسی مکانیک‌های گیم‌پلی را به هوش مصنوعی بسپارند.

معرفی Aura Autopilot

ابزار Aura Autopilot یک سیستم متن‌باز برای تست خودکار بازی‌های ویدیویی است که توسط استارتاپ Ramen (توسعه‌دهنده عامل هوشمند Aura برای برنامه‌نویسان موتورهای بازی‌سازی) در تاریخ ۳۰ اکتبر ۲۰۲۶ رونمایی شد. ابزار Autopilot بازی شما را به‌صورت بلادرنگ و با شبیه‌سازی دقیق رویدادها و ورودی‌های واقعی کاربر اجرا می‌کند، به شناسایی باگ‌ها می‌پردازد و به‌واسطه یاد‌گیری پیوسته در هر عنوان، با افزایش زمان بازی عملکرد خود را ارتقا می‌دهد.

این ابزار در موتورهای Unreal Engine 5، Unity 6 و Godot 4 روی سیستم‌عامل‌های ویندوز و macOS قابل استفاده است، با دستورهای متنی ساده انگلیسی هدایت می‌شود و می‌توان آن را از طریق اشتراک Aura، کلیدهای اختصاصی API یا اشتراک‌های فعلی Claude Code و Codex به‌کمک مهارت‌ها و سرور MCP اجرا کرد.

ویژگی‌ها و مشخصات کلیدی

  1. معماری فنی: این سیستم از یک پلاگین اختصاصی موتور بازی (جهت خواندن وضعیت بازی و ارسال ورودی‌های واقعی)، یک سرویس پایتونی عامل هوشمند (برای میزبانی عامل کدنویسی، محیط ایزوله و حافظه اختصاصی هر بازی)، یک عامل کدنویسی (مبتنی بر کیت‌های توسعه Claude Code، Codex یا OpenCode) برای بررسی بازی و ایجاد بستر اختصاصی آزمون، و یک مدل تصمیم‌گیری بلادرنگ (مدل Jev از طریق TypeSafe SDK) که اجرای عملی بازی را برعهده دارد، تشکیل شده است.
  2. انواع پرامپت‌ها: توسعه‌دهندگان می‌توانند سناریوهای مختلفی از جمله کاوش («سیستم ساخت آیتم‌ها را بررسی کن»)، آزمون کلی («هر موردی که نادرست به نظر می‌رسد را گزارش بده»)، راستی‌آزمایی («تکان خوردن درخت پس از اصابت ضربه را بررسی کن») و آزمون‌های هدف‌محور («غول مرحله را با حفظ سلامت بالای ۲۰ درصد شکست بده») را تعریف کنند.
  3. سبک‌های پشتیبانی‌شده: قابلیت‌های این ابزار در سبک‌های متنوعی شامل بازی‌های شوتر، سولزلایک، نقش‌آفرینی اکشن، جورچین سه‌تایی موبایل، بقا و ساخت‌وساز، نقش‌آفرینی نوبتی و استراتژی هم‌زمان با موفقیت به نمایش درآمده است.
  4. ادعاهای سازندگان: این ابزار حدود ۳ برابر سریع‌تر از عامل راستی‌آزمایی قبلی Aura عمل می‌کند، در مقایسه‌های استارتاپ Ramen دقت بالاتری نسبت به عامل‌های کدنویسی عمومی ثبت کرده است (برای نمونه کسب امتیاز کامل ۷ از ۷ در مقایسه با امتیاز ۵ از ۷ برای Claude Code) و در دفعات مکرر اجرا، توانایی خود را به‌صورت بازگشتی بهبود می‌بخشد.
  5. چرخه یکپارچه با Aura: سیستم Aura یک قابلیت را از صفر تا صد در بازی پیاده‌سازی می‌کند و بلافاصله Autopilot تست و عیب‌یابی آن را آغاز می‌کند؛ به این ترتیب چرخه توسعه و ارزیابی کیفیت در مسیری پیوسته و یکپارچه قرار می‌گیرد.

اهمیت و جایگاه این فناوری

اگرچه هوش مصنوعی سرعت توسعه و ساخت بازی‌ها را به‌شکل چشمگیری افزایش داده است، اما فرایند کنترل کیفیت (QA) و تست گیم‌پلی همچنان مراحلی کند و وابسته به نیروی انسانی هستند. معرفی یک عامل هوشمند متن‌باز و سازگار با موتورهای بازی‌سازی مختلف، گامی عملی و بنیادین به‌سوی خودکارسازی کامل تضمین کیفیت بازی‌ها به‌شمار می‌رود.

نحوه راه‌اندازی و استفاده

  1. پلاگین آماده را از وب‌سایت tryaura.dev/autopilot دریافت کنید یا آن را از بخش انتشار نسخه‌های گیت‌هاب بسازید.
  2. پلاگین را در پروژه آنریل، یونیتی یا گودوت خود نصب کرده و نوع اشتراک Aura یا کلیدهای اختصاصی API خود را تنظیم کنید.
  3. هم‌چنین می‌توانید آن را به عامل کدنویسی خود وصل کنید؛ دستور autopilot connect claude یا autopilot connect codex را اجرا کرده و سپس دستور مدنظر خود را ارسال نمایید.
  4. پرامپت مورد نظرتان را بنویسید (در قالب کاوش، تست، راستی‌آزمایی یا مأموریت مشخص)؛ سیستم پنجره تست بازی در ادیتور را اجرا می‌کند، کدهای پروژه را می‌خواند، بازی را آزمایش می‌کند و در پایان گزارش کاملی از باگ‌ها ارائه می‌دهد.
  5. جهت مطالعه جزئیات بیشتر به بخش مستندات رسمی Aura برای Autopilot مراجعه نمایید.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

پلاگین جدید مایکروسافت، هزینه اجرای ایجنت‌های کدنویسی را تا ۳۰ درصد کاهش می‌دهد
آخرین اخبار

پلاگین جدید مایکروسافت، هزینه اجرای ایجنت‌های کدنویسی را تا ۳۰ درصد کاهش می‌دهد

مایکروسافت با معرفی ابزار متن‌باز TokenEconomizer، راهکاری هوشمندانه برای کاهش چشمگیر هزینه‌های اجرای ایجنت‌های هوش مصنوعی ارائه کرده است. این پلاگین با یاد‌گیری مشخصات پروژه‌ها و حذف ابزارهای غیرضروری، مانع از هدررفت توکن‌ها در وظایف تکراری برنامه‌نویسی می‌شود.

۲ دقیقه مطالعه
۰
۱۰ آبان
رونمایی از شبیهساز رباتیک PrimeSim؛ جهش در آموزش مهارت‌های حرکتی با مدل‌های جهان
آخرین اخبار

رونمایی از شبیهساز رباتیک PrimeSim؛ جهش در آموزش مهارت‌های حرکتی با مدل‌های جهان

شرکت Qiyuan Robotics از شبیهساز نوین PrimeSim برای آموزش و ارتقای مهارت‌های حرکتی ربات‌ها رونمایی کرد. این ابزار مبتنی بر مدل جهان، محیط‌هایی تعاملی و مجازی خلق می‌کند تا نیاز به آزمون و خطای پرهزینه ربات‌ها در دنیای واقعی کمتر شود. بررسی‌ها نشان می‌دهند که یاد‌گیری تقویتی در این بستر، نرخ موفقیت مهارت‌های رباتیک را به‌شکل محسوسی افزایش داده است.

۲ دقیقه مطالعه
۰
۱۰ آبان
تبدیل عکس به مدل سه‌بعدی در کمتر از ۲ ثانیه؛ دستاورد مدل متن‌باز Idol
آخرین اخبار

تبدیل عکس به مدل سه‌بعدی در کمتر از ۲ ثانیه؛ دستاورد مدل متن‌باز Idol

مدل متن‌باز Idol با تکیه بر فناوری گوسیان اسپلتینگ می‌تواند تنها با دریافت یک تصویر دوبعدی، مدل سه‌بعدی کامل اشیاء را در کمتر از دو ثانیه بسازد. این مدل با مصرف حدود ۷٫۲ گیگابایت حافظه ویدئویی، روی کارت‌های گرافیک خانگی اجرا می‌شود و ساخت دارایی‌های سه‌بعدی را بسیار آسان می‌کند.

۲ دقیقه مطالعه
۰
۱۰ آبان