Ramen открывает исходный код Aura Autopilot, чтобы внедрить тестирование игр с помощью ИИ в Unreal, Unity и Godot

Игра может успешно компилироваться, но при этом прыжок может работать неправильно, цель — оставаться недостижимой, а меню — не закрываться. Ramen намерена устранить этот разрыв с помощью Aura Autopilot — агента для игры в видеоигры с открытым исходным кодом, о котором компания объявила 30 октября. Он предназначен для Unreal Engine, Unity и Godot. Агент должен осваивать игру в процессе прохождения, стремиться к долгосрочным целям и позволять разработчикам направлять его внимание на конкретные системы.

Это объявление расширяет возможности Aura — существующего мультиагентного помощника Ramen для разработки на Unreal и Unity. Предлагаемый процесс объединяет два вида работы, которые часто выполняются отдельно: один агент создает игровую функцию, а другой заходит в игру и проверяет, действительно ли она работает. Для студий главное — сократить цикл обратной связи, не заставляя разработчика лично повторять каждое базовое действие после каждого изменения.

Зачем играть в игру, если код можно проверить иначе

Успешная компиляция подтверждает, что код соответствует правилам языка программирования. Но она не показывает, сможет ли игрок завершить задание и будет ли шкала выносливости убывать с заданной скоростью. Это зависит от взаимодействия систем во времени: ввода, физики, анимации, состояния игры, элементов интерфейса, а иногда и нескольких подключенных игроков.

Документация Ramen по существующему агенту проверки Aura наглядно показывает это различие. В Unreal он запускает Play-In-Editor, анализирует данные во время выполнения — например, появившихся в игре акторов, характеристики способностей и видимость интерфейса — и может прикрепить запись видео в качестве доказательства. Агент может попытаться устранить проблему, а затем повторно провести проверку. Описанная реализация для Unity проще: она компилирует проект, запускает режим Play и проверяет снимки экрана, но не располагает такими же расширенными возможностями работы с видеодоказательствами.

Autopilot — недавно представленный агент для игрового тестирования, поэтому существующие возможности дают контекст, но не доказывают, что функциональность одинакова во всех движках. По словам Ramen, Autopilot может играть в шутеры, ролевые экшены, мобильные игры, игры на выживание с крафтом, пошаговые японские ролевые игры (JRPG) и стратегии в реальном времени. Это утверждение касается разнообразия ранних демонстраций, а не доказывает, что любая коммерческая игра или необычная схема управления будут работать без настройки.

Управляемое тестирование важнее, чем победа ИИ в демонстрационной игре

Для команды разработчиков полезный агент, способный играть в игру, должен не просто выживать на уровне. Ему нужно исследовать именно то поведение, которое интересует разработчика. Ramen описывает Autopilot как управляемый инструмент: команда может сосредоточить его на конкретной системе, пока он строит планы для достижения долгосрочных целей.

Рассмотрим гипотетическое изменение инвентаря. Чтобы провести содержательную проверку, может потребоваться найти предмет, подобрать его, открыть инвентарь, экипировать предмет и проверить, изменилось ли поведение персонажа. Такая последовательность дает больше информации, чем простое появление окна инвентаря. Кроме того, на каждом этапе могут возникнуть ошибки, которые легко пропустить при узкой проверке по сценарию.

На практике разработчикам придется формулировать четкие цели и критерии приемки. Запрос «Проверь инвентарь» оставляет слишком много места для интерпретации. А формулировка «Подбери этот предмет, экипируй его и убедись, что значение урона изменилось» задает агенту проверяемый результат. Командам по-прежнему нужны доказательства того, что именно было предпринято и что произошло: одного гладко сформулированного сообщения об успехе недостаточно.

Что означает «самоулучшение» — и что остается неясным

«Aura Autopilot играет в любую игру в реальном времени и учится по ходу дела, становясь лучше с каждой новой игрой, — заявил в объявлении генеральный директор и сооснователь Ramen Andy Tsen. — Это открывает новые горизонты для контроля качества игр, и мы открываем исходный код, чтобы разработчики и исследователи могли развивать проект дальше».

Ramen называет агента рекурсивно самоулучшающимся и утверждает, что по мере накопления опыта в игре он быстрее выдает результаты. В описании релиза не уточняется, связано ли это улучшение с постоянной памятью, пересмотром стратегий, созданием инструментов, обучением модели или сочетанием этих подходов. У каждого из них свои последствия для воспроизводимости результатов, затрат и способности сохранять полученные знания после крупного обновления игры.

Адаптивная система тестирования может быть полезна при изменении целей и окружения, но адаптация также усложняет сравнение результатов разных запусков. Студиям, оценивающим этот инструмент, следует сохранять вместе с результатами версию сборки игры, конфигурацию модели, цель и начальные условия. Так будет проще отличить исправленную ошибку от другого маршрута прохождения уровня.

Открытый исходный код отделяет слой тестирования от конкретного поставщика моделей

По словам Ramen, автономный Autopilot работает с существующими подписками Claude Code и Codex или с собственным API-ключом разработчика. Инструмент также интегрируют в подписки Aura. Анонсированный проект на GitHub дает студиям и исследователям возможность изучать и расширять слой тестирования, вместо того чтобы каждой команде самостоятельно создавать такую инфраструктуру.

Такая гибкость позволит студиям сравнивать модели на собственных играх и выбирать оптимальный баланс между задержкой, надежностью и стоимостью. Быстрая модель может хорошо справляться с простыми взаимодействиями, но испытывать трудности с задачей, для которой нужно помнить о нескольких предыдущих решениях. Более мощная модель может повысить долю успешно выполненных задач, но увеличить стоимость повторных запусков. Открытый исходный код не отменяет платы за использование модели и вычислительных ресурсов, необходимых для запуска игры.

Важно также различать Autopilot и более широкий продукт Aura. В анонсе Unreal, Unity и Godot указаны как платформы для агента тестирования, тогда как более широкий помощник Aura для разработки по-прежнему ориентирован на Unreal и Unity. Поддержку Godot в Autopilot не следует трактовать как утверждение, что теперь в Godot доступны все инструменты Aura для создания игр.

Как оценивать заявления о производительности в контексте

По данным Ramen, Autopilot работает в три раза быстрее прежнего агента проверки и при этом обходится дешевле; компания также утверждает, что результаты тестирования игр превосходят показатели Bezi, NeoStack, Claude Code и Codex. Ramen планирует выпустить сопутствующий технический документ с описанием архитектуры и результатов тестирования.

Эти цифры приводит сама компания. В предварительных материалах, предоставленных для этой статьи, нет полного описания методики тестирования, набора задач, версий моделей, критериев неудачи или расчетов стоимости. Поэтому результаты не доказывают, что решение будет безусловно лучше для рабочего процесса любой студии. Для полезной оценки в производственных условиях нужно сравнить на одних и тех же сборках успешное завершение тестов, пропущенные дефекты, ложные срабатывания, время выполнения и общую стоимость использования моделей.

Ускорение итераций не отменяет необходимости в контроле качества со стороны специалистов

Автоматизированное тестирование игрового процесса может сделать повторные проверки доступнее для небольших команд и дать крупным студиям еще один способ проверять изменяющиеся сборки. Особенно полезным оно может быть, когда одну и ту же последовательность действий нужно повторять после множества небольших изменений. Но для оценки того, приносит ли удовольствие бой, понятен ли игроку обучающий уровень и вызывает ли нужные эмоции сюжетный эпизод, такой подход подходит хуже.

Ramen развивает инструменты для создания игр наряду с тестированием: в анонсе упоминаются интеграции с Figma и Blender, анимация персонажей по текстовым запросам и обновленный агент проектирования уровней для создания более крупных блок-аутов. Чем быстрее создается контент, тем важнее проверять возникающие при этом взаимодействия. Ценность цикла создания и тестирования заключается не просто в производстве большего количества ресурсов, а в обнаружении ошибок до того, как разобраться в этих ресурсах и системах станет сложнее.

Предыстория Ramen помогает понять, почему компания сосредоточилась на этом направлении. Бывшая VR-студия создала Zenith, а затем переключилась на инструменты для разработчиков; по словам компании, приобретение Coplay в 2026 году укрепило возможности Aura для работы с Unity. Autopilot наглядно показывает эту стратегию: ИИ, который помогает создавать игру, также должен иметь надежный способ проверять созданную им игру. Для игроков конечная польза будет заключаться в том, что до релиза будет доходить меньше сломанных взаимодействий, а не в замене людей, которые решают, стоит ли играть в эту игру.