セッション分野

ENG(エンジニアリング)

セッション関連分野

PRD

キーワード

LLM/VLM

モデル学習

QA

自動テスト

対象プラットフォーム

なし

セッション難易度

求められるスキル

ゲームQAの自動化や効率化に課題を感じているエンジニア、QAマネージャー
LLMやVLMなどの生成AIを、ゲーム開発・運営のパイプラインに組み込みたいテクニカルディレクター
自動プレイや強化学習の実プロダクトへの応用に関心のあるAIリサーチャー/エンジニア

得られる知見

* 生成AI（LLM/VLM）を活用したゲームQAシステムの具体的なアーキテクチャ
* 動画を元に、テストコードを生成する技術
* 画像認識を用いた模倣プレイの技術

写真撮影 / SNS投稿

アイコンについて

お気に入り登録

本セッションでは、ゲームQA（品質管理）の自動化において課題となる「テストスクリプトの保守コスト」と「専用デバッグ機能への依存」を解消するために開発された、生成AI活用を使った自動テストの設計と実装事例を紹介します。
目指すのはゲーム側に専用の仕込みを極力入れない環境です。QA担当者が自然言語や動画編集の要領で指示を出すだけで、AIが画面を見て、コントローラーを操作するシステムの現在地を共有します。

1. 自律動作を支える「3層アーキテクチャ」
本システムは、以下の3つのレイヤーで構成されています。
* Planning層（指示・計画）
QA担当者のチャット指示やテストケースから、ノードベースの実行計画を構築する戦略層。
* Skill層（操作・手順）
装備変更、移動といった具体的なアクションを実行する戦術層。
* API層（基盤機能）
画像認識による移動やUI操作を提供する制御層。
これらが連携することで、従来のスクリプトベースでは難しかった柔軟な自動操作を実現しています。

2. プレイ動画を資産に変える「スキルマイニング」
AIにゼロからゲームプレイを学習させるのではなく、開発者やQA担当者の手動プレイ動画を正解データとして活用するアプローチを採用しています。 LLMに抽出したい行動のリストを与えて動画を解析させるラベリングを行い、必要な操作（スキル）を自動で抽出・ライブラリ化するスキルマイニングの仕組みについて解説します。

3. 映像による自律制御「AIリプレイ」
製品版に近いROMにおいて、AIが動画を視覚的な道標として利用し、自律的に移動・操作を行う「AIリプレイ」技術について解説します。現在の画面と目標画像の差分を埋めるように操作を生成することで、位置ズレを自己補正しながらリプレイを実現する仕組みを紹介します。