GameBro
GameBro – system supporting automated exploratory testing and quality assurance of video games using artificial intelligence
GameBro – system do zautomatyzowanego testowania eksploracyjnego i zapewniania jakości gier wideo wspierany sztuczną inteligencją
Beneficiary: Silver Bullet Labs Sp z o.o.
Value of the project: 9 547 950.00
Donation: 7 028 780.00
Cel projektu
Cel projektu to stworzenie narzędzia do wsparcia testowania gier wideo w zakresie poszukiwania błędów, weryfikacji wskaźników określonych przez QA, testowania logiki gry oraz jej trudności i balansu przy użyciu innowacyjnego podejścia opartego na sztucznej inteligencji. Innowacyjność wynika z faktu, że obecnie testy gier przeprowadzane są wyłącznie manualnie. Zautomatyzowane testy można uruchamiać częściej niż przeprowadza się testy manualne, na każdym etapie produkcji gry oraz po jej wydaniu.
GameMind
GameMind – expanding the artificial intelligence engine with innovative methods for automatic and semi-automatic agent configuration creation and development of tools to increase commercialization potential
GameMind – rozbudowanie silnika sztucznej inteligencji o nowatorskie metody automatycznego i pół-automatycznego tworzenia konfiguracji agentów oraz rozwój narzędzi celem zwiększenia możliwości komercjalizacji
Application number: FENG.01.01-IP.02-2254/23
Beneficiary: Silver Bullet Labs Sp z o.o.
Projekt realizowany w ramach Programu Fundusze Europejskie dla Nowoczesnej Gospodarki, Priorytet Wsparcie dla przedsiębiorców, Działanie Ścieżka SMART, numer naboru FENG.01.01-IP.02-002/23, współfinansowany ze środków Europejskiego Funduszu Rozwoju Regionalnego.
Value of the project: 7 528 912,10
Donation: 5 010 674,55
Cel projektu
Celem projektu jest stworzenie i wprowadzenie na rynek zestawu narzędzi i algorytmów, które mają na celu wspieranie twórców gier w kształtowaniu wiarygodnych zachowań agentów AI, takich jak postacie niezależne (NPC – Non-Player Characters).
Opracowane rozwiązanie będzie umożliwiało:
– dynamiczne tworzenie i modyfikację istniejącej konfiguracji zachowań (zrobienie AI) na podstawie decyzji projektanta gry;
– wyuczanie wstępnej konfiguracji zachowania agentów na podstawie danych z
rozgrywki lub danych wygenerowanych metodami zbyt kosztownymi obliczeniowo do użycia bezpośrednio w grze (np. symulacyjnymi);
– konwersję reguł zapisanych w języku naturalnym na konfigurację zrozumiałą dla systemu zarządzającego wykonaniem zachowań agentów.
Grupy docelowe : studia tworzące gry oraz twórcy innych środowisk wirtualnych, które wymagają inteligentnych agentów AI.
