AI自动试玩探路：覆盖率引导与缺陷轨迹回放

在《游戏AI实验室》的近期实验里，我们把「自动试玩」作为主要课题：让智能体在不写脚本的前提下操作角色，主动探索关卡边界与异常交互。

做法分三层。视觉层只以游戏画面为输入，不做内存注入，保证所见与真实玩家一致；决策层用轻量策略网络叠加探索奖励，奖励来自新区域覆盖、状态转移稀有度与画面突变；记录层把每一步观察、动作与时间戳落成轨迹包，供策划与QA复现。

要点：

• 阶段进展：在内部横版与3D两类原型关卡上，智能体单轮地图覆盖约为人工试玩的3倍，卡墙、掉落穿模、任务状态机死锁三类问题的稳定复现率约七成，每条缺陷都附带一键回放轨迹。
• 下一步：把「覆盖率引导」换成「任务未完成」的目标导向探索，并将轨迹压成缺陷摘要，接入日常构建流水线做回归巡检，减少人工重复验证。