科技
类型
6.0
豆瓣评分
可以朗读
语音朗读
118千字
字数
2020-06-01
发行日期
展开全部
主编推荐语
TuringLab实验室在商业游戏测试中的先进技术和经验总结，引领自动化测试未来发展。
内容简介
这是一部讲解如何将AI技术创造性地应用到自动化测试领域的前沿性著作。由腾讯互动娱乐事业群TuringLab实验室撰写，从技术原理、平台构建、工程实践3个维度全面讲解AI技术在中的应用，融合了团队先进的理论研究成果和丰富的工程实践经验。
全书一共14章，分为三个部分：
第一部分 技术原理（第1-5章）：
首先，从宏观角度介绍了自动化测试和AI技术的发展，以及二者的相互结合；然后，讲解了图像识别算法、强化学习、模仿学习等用于自动化测试的AI技术的原理；最后，介绍了Android设备的调试原理和技术。
第二部分 平台搭建（第6-11章）：
以TuringLab实验室开源的Game AI SDK为例，不仅讲解了AI自动化测试平台的架构设计、开发流程、环境搭建和二次开发等内容，而且还讲解了AI SDK Tool工具的使用，以及如何以图像类方式和数据类方式接入Game AI SDK。
第三部分 工程实践（第12-14章）：
主要讲了TuringLab团队在游戏AI自动化测试领域的最佳佳实践，包括手机游戏兼容性测试、自动化Bug检测、自动机器学习等内容。
目录
- 版权信息
- 前言
- 作者简介
- 第一部分 原理篇
- 第1章 AI与自动化测试
- 1.1 自动化测试的发展与现状
- 1.2 AI的发展与应用
- 1.3 AI与自动化测试相结合
- 1.4 本章小结
- 第2章 图像识别算法
- 2.1 图像识别
- 2.2 传统的图像识别算法
- 2.2.1 模板匹配算法
- 2.2.2 特征点匹配算法
- 2.2.3 梯度特征匹配算法
- 2.3 基于深度学习的图像识别算法
- 2.3.1 卷积神经网络
- 2.3.2 卷积神经网络模型
- 2.4 图像识别方法在游戏测试中的应用
- 2.4.1 特征点匹配在场景覆盖性测试上的应用
- 2.4.2 游戏场景图像的物体识别
- 2.5 本章小结
- 第3章 强化学习
- 3.1 基本理论
- 3.2 基于值函数的强化学习
- 3.2.1 值函数
- 3.2.2 DQN
- 3.3 基于策略梯度的强化学习
- 3.3.1 策略梯度
- 3.3.2 Actor-Critic
- 3.3.3 DDPG
- 3.3.4 A3C
- 3.4 强化学习在自动化测试中的应用
- 3.5 本章小结
- 第4章 模仿学习
- 4.1 什么是模仿学习
- 4.2 模仿学习研究现状
- 4.2.1 行为克隆
- 4.2.2 逆强化学习
- 4.3 模仿学习在自动化测试中的运用
- 4.4 本章小结
- 第5章 Android设备调试
- 5.1 Android调试桥
- 5.1.1 adb常用命令介绍
- 5.1.2 ADB原理
- 5.2 Android实时截屏
- 5.2.1 minicap介绍
- 5.2.2 minicap使用
- 5.3 Android模拟器
- 5.3.1 Android Emulator介绍
- 5.3.2 其他模拟器介绍
- 5.4 本章小结
- 第二部分 平台篇
- 第6章 AI SDK平台介绍
- 6.1 Game AI SDK平台功能
- 6.2 Game AI SDK平台架构设计
- 6.3 Game AI SDK平台流程
- 6.3.1 AI算法流程
- 6.3.2 图像识别任务流程
- 6.4 Game AI SDK平台模块结构
- 6.4.1 图像识别模块
- 6.4.2 AI算法模块
- 6.5 本章小结
- 第7章 AI SDK自动化测试平台搭建
- 7.1 Windows环境搭建
- 7.1.1 创建虚拟环境
- 7.1.2 安装AI SDK
- 7.1.3 安装SDK Tool
- 7.1.4 安装AI Client
- 7.2 Linux环境搭建
- 7.3 如何运行AI SDK
- 7.3.1 安装APK
- 7.3.2 游戏配置说明
- 7.3.3 启动服务
- 7.4 本章小结
- 第8章 AI SDK Tool详解
- 8.1 配置项目
- 8.1.1 安装
- 8.1.2 配置项目
- 8.2 标注GameReg任务
- 8.3 标注UIRecognize任务
- 8.4 调试
- 8.4.1 AI SDK Tool和GameReg之间的调试
- 8.4.2 AI SDK Tool和UIRecognize之间的调试
- 8.5 AI SDK Tool的其他功能
- 8.5.1 添加动作配置
- 8.5.2 添加地图路线
- 8.5.3 图结构路径配置
- 8.6 本章小结
- 第9章 图像类接入Game AI SDK平台
- 9.1 通过SDK Tool生成平台所需数据
- 9.1.1 生成UI配置文件
- 9.1.2 生成模仿学习样本
- 9.2 基于图像的AI方案
- 9.2.1 基于小地图的特征提取
- 9.2.2 样本扩充
- 9.2.3 模型和训练
- 9.3 使用Game AI SDK平台进行AI自动化测试——手机兼容性测试
- 9.4 使用Game AI SDK平台进行AI自动化测试——场景测试
- 9.5 使用Game AI SDK平台进行AI自动化测试——花屏类测试
- 9.6 本章小结
- 第10章 数据类手游接入Game AI SDK平台
- 10.1 Game AI SDK接入方案
- 10.1.1 集成GAutomator实现游戏接口
- 10.1.2 通过游戏接口获取AI输入数据
- 10.1.3 通过动作接口执行AI动作
- 10.2 基于数据的AI方案介绍
- 10.2.1 算法描述
- 10.2.2 实现功能
- 10.3 使用Game AI SDK平台进行AI自动化测试——跑图覆盖测试
- 10.4 使用Game AI SDK平台进行AI自动化测试——手机性能测试
- 10.5 使用Game AI SDK平台进行AI自动化测试——地图平衡性测试
- 10.5.1 游戏AI的课程学习方式
- 10.5.2 游戏AI的深度强化学习训练架构
- 10.5.3 深度强化学习的神经网络模型设计
- 10.6 本章小结
- 第11章 AI SDK平台二次开发
- 11.1 AI SDK平台二次开发介绍
- 11.1.1 AI SDK二次开发框架
- 11.1.2 AI SDK二次开发API
- 11.2 基于规则的AI设计和开发
- 11.2.1 基于规则的AI介绍
- 11.2.2 基于规则的AI实践
- 11.3 基于模仿学习的AI设计和开发
- 11.3.1 基于模仿学习的AI介绍
- 11.3.2 基于模仿学习的AI实践
- 11.4 基于强化学习的AI设计和开发
- 11.4.1 基于强化学习的AI介绍
- 11.4.2 基于强化学习的AI实践
- 11.5 本章小结
- 第三部分 最佳实践篇
- 第12章 手机游戏兼容性测试
- 12.1 基于图像的兼容性测试
- 12.2 基于UI动作传递的兼容性测试
- 12.3 基于UI自动探索的兼容性测试
- 12.4 本章小结
- 第13章 自动化Bug检测
- 13.1 贴图丢失
- 13.2 角色穿墙
- 13.3 碰撞穿模
- 13.4 本章小结
- 第14章 自动机器学习
- 14.1 自动机器学习概述
- 14.2 参数搜索策略
- 14.3 NNI安装和使用
- 14.4 本章小结
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
