Ramen gör Aura Autopilot till öppen källkod för att introducera AI-baserad speltestning i Unreal, Unity och Godot

Ett spel kan kompileras utan problem och ändå ha ett hopp som inte fungerar, ett mål som inte går att nå eller en meny som aldrig stängs. Ramen vill åtgärda det problemet med Aura Autopilot, en spelande agent med öppen källkod som presenterades den 30 oktober för Unreal Engine, Unity och Godot. Verktyget är utformat för att lära sig ett spel medan det spelar, sträva mot mål på längre sikt och låta utvecklare rikta dess uppmärksamhet mot specifika system.

Tillkännagivandet bygger vidare på Aura, Ramens befintliga utvecklingsassistent med flera agenter för Unreal och Unity. Det föreslagna arbetsflödet förenar två aktiviteter som ofta hålls åtskilda: en agent bygger en spelfunktion och en annan går in i spelet för att testa om funktionen faktiskt fungerar. För spelstudior ligger betydelsen i att förkorta den återkopplingscykeln utan att en utvecklare själv behöver upprepa varje grundläggande interaktion efter varje ändring.

Därför tillför speltestning sådant som kodkontroller inte kan fånga

Kompileringen visar att koden följer programmeringsspråkets regler. Den visar inte att en spelare kan slutföra ett uppdrag eller att en uthållighetsmätare minskar i avsedd takt. Sådana resultat beror på att olika system samverkar över tid: inmatningar, fysik, animationer, spelläge, gränssnittselement och ibland flera uppkopplade spelare.

Ramens dokumentation för Auras befintliga verifieringsagent konkretiserar den skillnaden. I Unreal startar den Play-In-Editor, granskar information från körningen, till exempel aktörer som skapats, förmågeattribut och gränssnittets synlighet, och kan bifoga inspelad video som belägg. Den kan försöka åtgärda ett problem och sedan köra verifieringen igen. Den dokumenterade Unity-implementationen är enklare: den kompilerar, går in i spelläget och granskar skärmbilder, men saknar samma avancerade funktioner för videobevis.

Autopilot är den nyligen tillkännagivna speltestningsagenten, så de befintliga funktionerna ger sammanhang snarare än bevis för att alla spelmotorer har identisk funktionalitet. Ramen uppger att Autopilot kan spela skjutspel, actionrollspel, mobilspel, överlevnadsspel med hantverkssystem, turbaserade JRPG:er och realtidsstrategispel. Det är ett påstående om bredden i de tidiga demonstrationerna, inte ett bevis för att agenten fungerar utan anpassningar i alla kommersiella spel eller med alla ovanliga kontrollsystem.

Styrbar testning är viktigare än att AI:n vinner en demonstration

För utvecklingsteam behöver en användbar spelande agent göra mer än att överleva en bana. Den måste undersöka det beteende som utvecklaren är intresserad av. Ramen beskriver Autopilot som styrbar: teamet kan rikta in den på ett visst system samtidigt som den planerar mot mål på längre sikt.

Tänk dig en hypotetisk ändring av inventariesystemet. Ett meningsfullt test kan kräva att agenten hittar ett föremål, plockar upp det, öppnar inventariet, utrustar sig med föremålet och kontrollerar att karaktärens beteende förändras. En sådan kedja säger mer än att bara se ett inventariefönster öppnas. Den skapar också flera tillfällen då något kan gå fel och som ett snävt, skriptbaserat test kanske missar.

I praktiken innebär det att utvecklare behöver formulera tydliga mål och acceptanskriterier. ”Testa inventariet” lämnar stort utrymme för tolkning. ”Plocka upp det här föremålet, utrusta dig med det och bekräfta att skadevärdet ändras” ger agenten ett resultat som går att observera. Teamen behöver fortfarande belägg för vad som testades och vad som hände; ett välformulerat meddelande om att testet lyckades räcker inte i sig.

Vad ”självförbättrande” visar – och vad det lämnar obesvarat

”Aura Autopilot spelar vilket spel som helst i realtid och lär sig medan den spelar. Ju mer den spelar, desto bättre blir den”, sade Ramen-vd:n och medgrundaren Andy Tsen i tillkännagivandet. ”Det öppnar en ny front för kvalitetssäkring av spel, och vi gör verktyget till öppen källkod så att utvecklare och forskare kan vidareutveckla det.”

Ramen beskriver agenten som rekursivt självförbättrande och uppger att den ger resultat snabbare i takt med att den får erfarenhet av ett spel. I lanseringsinformationen anges inte om förbättringen beror på bestående minne, reviderade strategier, genererade verktyg, modellträning eller någon kombination av dessa. Mekanismerna får olika konsekvenser för reproducerbarhet, kostnader och hur väl lärdomar består efter en större speluppdatering.

Ett testsystem som anpassar sig kan vara användbart när mål och miljöer förändras, men anpassningen gör det också svårare att jämföra olika körningar. Spelstudior som utvärderar verktyget bör spara spelversionen, modellkonfigurationen, målet och startvillkoren tillsammans med resultatet. Då blir det lättare att skilja ett bestående fel från att agenten tagit en annan väg genom banan.

Öppen källkod skiljer testlagret från en enskild modellleverantör

Ramen uppger att den fristående Autopilot fungerar med befintliga Claude Code- och Codex-abonnemang eller med utvecklarens egen API-nyckel. Verktyget håller också på att integreras i Aura-abonnemangen. Det tillkännagivna GitHub-projektet ger spelstudior och forskare möjlighet att granska och vidareutveckla testlagret, i stället för att varje team måste bygga upp den infrastrukturen på egen hand.

Den här flexibiliteten kan hjälpa studior att jämföra modeller med sina egna spel och hitta en balans mellan svarstid, tillförlitlighet och kostnad. En snabb modell kanske hanterar enkla interaktioner väl, men har svårt med ett mål som kräver att den kommer ihåg flera tidigare beslut. En mer kapabel modell kan öka andelen slutförda tester, men också kostnaden för upprepade körningar. Att lösningen är öppen källkod innebär inte att modellavgifterna eller beräkningskraften som krävs för att köra spelet försvinner.

Skillnaden mellan Autopilot och den bredare Aura-produkten är också viktig. I tillkännagivandet anges Unreal, Unity och Godot för testagenten, medan Auras bredare utvecklingsassistent fortfarande är inriktad på Unreal och Unity. Stöd för Godot i Autopilot ska inte tolkas som att alla Auras verktyg för att skapa innehåll nu finns tillgängliga i Godot.

Att sätta prestandapåståendena i sitt sammanhang

Ramen uppger att Autopilot körs tre gånger snabbare än företagets tidigare Verification Agent och till lägre kostnad, samt att resultaten i speltester överträffar Bezi, NeoStack, Claude Code och Codex. Företaget planerar att publicera en tillhörande vitbok om arkitektur och riktmärken.

Dessa siffror kommer från företaget. Det förhandsmaterial som lämnats för den här artikeln innehåller inte en fullständig beskrivning av testmetoden, uppsättningen uppgifter, modellversionerna, kriterierna för misslyckanden eller kostnadsberäkningarna. Resultaten visar därför inte att lösningen är bättre för alla studior och deras arbetsflöden. En användbar utvärdering i produktion skulle jämföra hur många tester som slutförs, missade fel, falsklarm, körtid och den totala modellkostnaden på samma byggen.

Snabbare iteration kräver fortfarande mänsklig kvalitetssäkring

Automatiserade speltester skulle kunna göra det enklare för små team att upprepa kontroller och ge större studior ytterligare ett sätt att testa byggen som förändras. Det är särskilt användbart när samma sekvens måste upprepas efter många små ändringar. Metoden lämpar sig sämre för att avgöra om striderna känns tillfredsställande, om en handledning är välkomnande eller om en berättelsescen väcker känslor.

Ramen utvecklar verktygen för att skapa innehåll parallellt med testverktygen: tillkännagivandet omfattar integrationer med Figma och Blender, promptstyrd karaktärsanimation och en omarbetad agent för bandesign och större grovutkast. När innehåll kan skapas snabbare blir det viktigare att kontrollera interaktionerna som följer av det. Värdet med ett arbetsflöde där man bygger och testar ligger inte bara i att skapa fler tillgångar, utan också i att upptäcka problem innan tillgångarna och systemen blir svårare att reda ut.

Ramens bakgrund hjälper till att förklara inriktningen. Den tidigare VR-studion utvecklade Zenith innan den började arbeta med verktyg för utvecklare, och uppger att förvärvet av Coplay 2026 stärkte Auras funktioner för Unity. Med Autopilot blir den strategin tydligare: AI som kan hjälpa till att skapa ett spel behöver också ett tillförlitligt sätt att undersöka spelet den har skapat. För spelarna skulle den framtida fördelen vara att färre trasiga interaktioner når en lansering – inte att ersätta människorna som avgör om upplevelsen är värd att spela.