Ramen frigiver kildekoden til Aura Autopilot for at bringe AI-spiltestning til Unreal, Unity og Godot

Et spil kan kompileres uden problemer og stadig have et spring, der ikke fungerer, et mål, der ikke kan nås, eller en menu, der aldrig lukker. Ramen vil afhjælpe dette med Aura Autopilot, en spilagent med åben kildekode, som blev annonceret den 30. oktober til Unreal Engine, Unity og Godot. Værktøjet er udviklet til at lære et spil at kende, mens det spiller, gå efter mål på længere sigt og lade udviklere rette dets opmærksomhed mod bestemte systemer.

Med annonceringen udvider Ramen Aura, sin eksisterende udviklingsassistent med flere agenter til Unreal og Unity. Den foreslåede arbejdsgang samler to aktiviteter, der ofte foregår hver for sig: Én agent udvikler en gameplayfunktion, mens en anden går ind i spillet for at teste, om funktionen rent faktisk virker. For studier ligger betydningen i at forkorte denne feedbacksløjfe, uden at en udvikler personligt skal gentage alle grundlæggende handlinger efter hver ændring.

Derfor kan det at spille spillet bidrage med noget, som kodetjek ikke kan

Kompilering fastslår, at koden overholder sprogets regler. Den fastslår ikke, at en spiller kan gennemføre en mission, eller at en udholdenhedsmåler tømmes med den tilsigtede hastighed. Det afhænger af systemer, der vekselvirker over tid: input, fysik, animationer, spiltilstand, brugergrænsefladeelementer og undertiden flere spillere, der er forbundet med hinanden.

Ramens dokumentation om Auras eksisterende verifikationsagent gør denne forskel konkret. I Unreal starter den Play-In-Editor, undersøger oplysninger under afvikling, såsom instansierede aktører, evneattributter og synligheden af brugergrænsefladen, og kan vedhæfte en optaget video som dokumentation. Den kan forsøge at rette en fejl og derefter køre verifikationen igen. Den dokumenterede Unity-implementering er enklere: Den kompilerer, går i spiltilstand og kontrollerer skærmbilleder uden de samme avancerede funktioner til videodokumentation.

Autopilot er den nyligt annoncerede spiltestagent, så de eksisterende funktioner giver kontekst, men er ikke et bevis på, at alle spilmotorer har identisk funktionalitet. Ramen siger, at Autopilot kan spille skydespil, actionrollespil, mobilspil, overlevelses- og crafting-spil, turbaserede JRPG’er og strategispil i realtid. Det er en påstand om bredden i de tidlige demonstrationer, ikke et bevis på, at alle kommercielle spil eller usædvanlige styringssystemer fungerer uden tilpasninger.

Det er vigtigere at kunne styre testen end at lade AI vinde en demonstration

For udviklingsteams skal en nyttig spilagent kunne mere end at overleve et niveau. Den skal undersøge den adfærd, som udvikleren interesserer sig for. Ramen beskriver Autopilot som styrbar, så et team kan rette den mod et bestemt system, mens den planlægger ud fra langsigtede mål.

Forestil dig en hypotetisk ændring af inventarsystemet. En meningsfuld test kan kræve, at man finder en genstand, samler den op, åbner inventaret, udstyrer sig med genstanden og kontrollerer, om figurens adfærd ændrer sig. Det fortæller mere end blot at se et inventarvindue åbne. Det giver også flere muligheder for fejl, som en snævert afgrænset, scriptbaseret kontrol måske ikke opdager.

I praksis betyder det, at udviklere skal formulere tydelige mål og acceptkriterier. »Test inventaret« giver betydelig plads til fortolkning. »Saml denne genstand op, udstyr dig med den, og bekræft, at skadesværdien ændres« giver agenten et resultat, der kan observeres. Teamet har stadig brug for dokumentation, der viser, hvad agenten forsøgte, og hvad der skete; en velformuleret succesmeddelelse er ikke nok i sig selv.

Hvad »selvforbedrende« dokumenterer – og hvad der stadig er uvist

»Aura Autopilot spiller ethvert spil i realtid og lærer undervejs, så den bliver bedre, jo mere den spiller,« sagde Ramen-direktør og medstifter Andy Tsen i annonceringen. »Det åbner en ny front inden for kvalitetssikring af spil, og vi frigiver kildekoden, så udviklere og forskere kan videreudvikle værktøjet.«

Ramen beskriver agenten som rekursivt selvforbedrende og siger, at den leverer resultater hurtigere, efterhånden som den får erfaring med et spil. Udgivelsen præciserer ikke, om forbedringen skyldes vedvarende hukommelse, reviderede strategier, genererede værktøjer, modeltræning eller en kombination af disse. Mekanismerne har forskellige konsekvenser for reproducerbarhed, omkostninger og hvor godt erfaringerne bevares efter en større spilopdatering.

Et testsystem, der tilpasser sig, kan være nyttigt, når mål og omgivelser ændrer sig, men tilpasningen gør det også vanskeligere at sammenligne kørsler. Studier, der evaluerer værktøjet, bør gemme spilversionen, modelkonfigurationen, målet og startbetingelserne sammen med resultatet. Det gør det lettere at skelne mellem en fast fejl og en anden rute gennem niveauet.

Open source adskiller testlaget fra en enkelt modeludbyder

Ramen siger, at den selvstændige Autopilot fungerer sammen med eksisterende Claude Code- og Codex-abonnementer eller en udviklers egen API-nøgle. Værktøjet bliver også integreret i Aura-abonnementer. Det annoncerede GitHub-projekt giver studier og forskere et sted, hvor de kan undersøge og udvide testlaget, i stedet for at hvert team skal opbygge denne infrastruktur på egen hånd.

Denne fleksibilitet kan hjælpe studier med at sammenligne modeller på deres egne spil og finde en balance mellem latenstid, pålidelighed og omkostninger. En hurtig model kan være god til at håndtere enkle interaktioner, men have svært ved et mål, der kræver, at den husker flere tidligere beslutninger. En mere avanceret model kan øge gennemførelsesprocenten, men også gøre gentagne kørsler dyrere. At løsningen er open source, fjerner ikke udgifterne til modellerne eller de beregningsressourcer, der kræves for at køre spillet.

Det er også vigtigt at skelne mellem Autopilot og det bredere Aura-produkt. I annonceringen nævnes Unreal, Unity og Godot som platforme for testagenten, mens Auras bredere udviklingsassistent fortsat fokuserer på Unreal og Unity. At Autopilot understøtter Godot, betyder ikke, at alle Auras værktøjer til spiludvikling nu er tilgængelige i Godot.

Ydeevnepåstandene i den rette sammenhæng

Ramen oplyser, at Autopilot kører tre gange hurtigere end virksomhedens tidligere Verification Agent og til en lavere pris, og hævder, at resultaterne inden for spiltest overgår Bezi, NeoStack, Claude Code og Codex. Virksomheden planlægger at udgive en tilhørende hvidbog om arkitektur og benchmarks.

Tallene stammer fra virksomheden selv. Det forhåndsmateriale, der er stillet til rådighed til denne artikel, indeholder ikke den fulde beskrivelse af benchmarkmetoden, opgavesættet, modelversionerne, kriterierne for fejl eller omkostningsberegningerne. Resultaterne dokumenterer derfor ikke en generel fordel for alle studiers arbejdsgange. En nyttig evaluering i praksis ville sammenligne, hvor mange tests der gennemføres, oversete fejl, falske alarmer, køretid og de samlede modelomkostninger på de samme builds.

Hurtigere iteration kræver stadig menneskelig kvalitetssikring

Automatiseret spiltest kan gøre gentagne kontroller mere tilgængelige for små teams og give større studier endnu en måde at teste spilversioner under udvikling på. Det er især nyttigt, når den samme sekvens skal gentages efter mange små ændringer. Metoden egner sig dårligere til at afgøre, om kampene føles tilfredsstillende, om en introduktion er imødekommende, eller om en scene i historien rammer følelsesmæssigt.

Ramen udvider værktøjerne til spiludvikling sideløbende med testværktøjerne: Annonceringen omfatter integrationer med Figma og Blender, promptstyret karakteranimation og en opdateret agent til banedesign med henblik på større, grove baneudkast. Hurtigere indholdsgenerering gør det endnu vigtigere at kontrollere de interaktioner, der følger med. Værdien af en arbejdsgang, hvor spillet både udvikles og testes, handler ikke blot om at producere flere aktiver, men om at opdage fejl, før aktiverne og systemerne bliver sværere at gennemskue.

Ramen har en baggrund, der hjælper med at forklare dette fokus. Det tidligere VR-studie udviklede Zenith, før det skiftede til udviklerværktøjer, og oplyser, at opkøbet af Coplay i 2026 styrkede Auras funktioner til Unity. Med Autopilot bliver strategien tydeligere: AI, der kan hjælpe med at skabe et spil, har også brug for en pålidelig måde at undersøge det spil, den har skabt. For spillerne vil den mulige gevinst på sigt være færre ødelagte interaktioner i den udgivne version – ikke en erstatning for de mennesker, der vurderer, om spiloplevelsen er værd at spille.