【实测】airtest进行移动端小游戏自动化测试的寻路问题

本文链接：https://blog.csdn.net/wx17343624830/article/details/140014014

软件测试面试刷题，这个小程序（永久刷题），靠它可以快速找到工作！https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502

该说不说，现在小游戏挺火的，尤其是微信小程序的小游戏内容上已经不比单独需要下载的app小游戏差多少了，流畅度也不算差了。

我【有个朋友】也玩了很多这种小游戏，每个阶段火的，他都玩了。而且他很喜欢用airtest做一些日常任务的脚本来进行【自动化测试】，帮助厂商找一些bug之类的。

久而久之，他对用图像识别的办法做小游戏的自动化非常有理解了，各种组件化，工程化，兼容性也都照顾的很好，但唯有一点一直让他很苦恼。就是游戏的自动寻路问题。

众所周知，这种手机上微信小游戏，几乎都没有PC端大型网游那种自动寻路功能，全靠用户硬划屏幕。问题就在这儿：

进入副本之前的一些按钮啊、数据啊什么的都很好操作或监控。等进入副本了，人物的攻击、技能、防御按钮也都很好识别和点击。但唯独人物前进的路线不好弄。也就是没法寻路。

无独有偶，前阵子很火的那个等了好几年的刷图手游上线后，我的部分学员中也有人做了自动刷图的脚本，他在寻路的方向上，就是一直按右键，让人物往右跑，右侧没有的时候，再往右下，然后右上，然后不行再往左边跑，再左上，再左下。虽然很麻烦，但总归能碰巧进入下一个怪物房间的大门。

看着比较尴尬，也跟智能没有啥关系。他说他其实考虑过，毕竟其实他可以写死一个副本的前进路线，然后不断的自动刷这一个图来升级，出去吃个午饭回来一看：疲劳刷完了，打开背包好家伙，全是捡的材料。又快又稳。

我就跟他说，你这样做，和工作室那些自动刷图脚本还有啥区别。他却回答我说：有区别啊，区别就是，工作室搬砖的确实可以这样反复刷一个副本地图来写死脚本。但我这是练号啊，每个副本最多也就刷那么一两次，根本不可能去写死一个路线，每个新地图都要写一个全新的脚本，有这功夫，手动都刷完几十遍了。

所以，他只能做了一个万能的路线，就是上面说的 →↗↘←↖↙，这个路线了。虽然慢，但是复用性高，每个地图都可以用。

我暗自点头，觉得他说的很有道理。但其实我们在日常工作测试中，如果负责的软件是小游戏，那么测试流程和目标地图在相当多次的复测里，就可以用写死路线的办法，毕竟复用次数足够高，写起来不吃亏。但在平时玩玩小游戏的情况下，每个地图就刷那么一两次，甚至还有随机地图游戏的存在，看来，有必要讨论出一些好用的办法了。

当然有些小伙伴会说，人家大型pc网游为什么都有自动寻路功能，人家怎么实现的呢？我只能说，人家是内部官方开发者，有自带的各目的地npc的具体坐标，并且有固定的一些主路，有大量内置的固定路线，没看那些玩家要去哪，走的路都在一条线上么？咱们普通用户玩家角度，哪有功夫做这个？不过也可以看做是一个启发。

正文：

【方法一】针对固定副本或简单左右横向副本，可以直接采用写死前进方向的办法，此时如果用图像识别的方法，尽量调出方向键，然后点击→即可。

如果没有方向键，有移动摇杆，则要固定摇杆位置，然后点击摇杆右半部分图像来进行移动。

如果什么图像都没有，那建议使用拖拽的办法，屏幕长按移动的中间位置，点击鼠标后向右滑动且不松手。这个在airtest或appium中均有办法实现，实在不行，还可以用adb来实现。我会在今后的文章中尽量给大家封装好这种操作。

【方法二】针对随机地图或者不同地图的副本，可以使用特征方法来前进，注意，这个方法也没有任何AI参与，只是单纯的来反复执行类似→↗↘←↖↙的固定操作来凭运气前进，当然速度会非常慢，甚至极容易陷入死胡同。优化办法就是，对每一个方向的操作都甚至反馈，反馈的主要目的是搞清楚，执行了移动后，人物是否还停留在原地，也就是卡到这里了。还有就是通过反馈可以知道，人物是否在前进，亦或是走了回头路或者错路。

反馈的方案有杀怪的积分，积分增长，证明走到了新的区域。还有就是特征，在每一步方向移动操作之后，都记录下，目前人物的四周环境图片，还有小地图图片。在执行了下一步之后，就是通过这些来判断人物是否走进了死胡同卡住了。

当发生卡顿后，也要积极做出行动，也就是立即使用其他方向移动，如果执行后发现变化了，证明走了出去。此时要把刚刚相反方向的移动拉黑，避免再次回到死胡同里。

那问题又出现了，如果刚走出死胡同就走了回头路了呢？或者压根没进入死胡同，纯粹是瞎走的时候走进了回头路呢？要解决这个问题，就要考虑以下几点：

1. 全地图可以在卡死的死胡同一共有多少，每一个都进行特征记录。从而根据这些特征来判断自己是否走了回头路。

2. 全地图要设置一个主方向，比如横版类的，→是主方向，那么就尽量减少←的移动，除非是卡住的时候。

3. 借助小地图和小地图中自身的位置，来判断路线，这点其实并不太好判断。

当然，一切都要具体情况具体分析，不同的游戏有不同的解决办法，没有什么固定的万能方案，如果有，那就是你的随机应变。

【方法三】针对不可预测的地图或者全部情况，使用AI来计算出前进路线和操作。这个方案有弊有利。

好处是几乎是万能的，采用和人类似的分析判断，一旦训练成型后，几乎可以放心的交给AI寻路了。

坏处是训练成本过高，除了需要一定的代码基础和AI基础能力之外，还需要大量的数据喂养和人工校验，在你好不容易训练出个好歹的时候，别人已经刷到满级退游了。但是在公司里实际负责测试的小伙伴，我觉得倒是可以下点成本这么试试，毕竟古人云：磨刀不误砍柴工。不但看着高大上，你自己也练习了一定本领。

关于游戏方面的AI制定，有很多专业的文章，恐怕你们一时半会也看不下去。我就给你们把寻路的问题简单说说吧：

你得先确定好，输入是什么，输出又是什么。

先说输入：输入应该有俩个，就是你的小地图（为避免干扰尽量别用实际人物周围的大地图），还有就是你要执行的移动操作。

再说输出：输出就是反馈，AI它要知道反馈才知道自己刚刚的操作应不应该保留还是修改。那么寻路的反馈就分两种：

1. 实时反馈，也就是AI前进一段距离，就给它个反馈，比如碰到野怪打死后的分数，或者成功进入了下一个怪物房间。但实际上很多时候，我们要走很长一段路才能有这种反馈，而AI并不清楚这点，只会觉得自己刚刚走的方向不对，直接换路了，那就错过了正确的路线了。

2. 延时反馈，也就是用整个副本通关作为正反馈，用超时作为负反馈。虽然中间过程曲折且漫长，AI要走的路线和方向太多，导致要测试出来的次数很可能是个天文数字，就像抖音上总看到的那种用AI来训练赛跑游戏的视频一样，训练几十万次都未必能成功。当然一旦训练成功了，后面也省心了。只是小程序UI自动化执行一次都要很久很久，这个模型训练的反感显然不切实际。

那么如果使用目前的一些公共大模型，比如chatGPT和其衍生品、同类竞品呢？这个我也考虑过，但是考虑到价格和延迟问题，还是放弃吧。你也不想刷了一次副本花了好几块钱并且用了半个多小时吧？

【方法四】还是针对这种不可预测地图，还是使用AI。只是这次的输入和输出都进行了变化。

输入：小地图+前进方向和距离+前面一步的前进方向和距离。

输出：小地图和上一步小地图的相似度。

大家可以想象一下，AI往前走，不再是依据瞬时的环境了，而是依靠前面一次到现在的一段时间的环境。

就好像，之前AI只能通过上下左右来判断，而现在又增加了一个过去的时间轴。也就是提高了一个维度，这个新增维度可以让其避免走回头路，也可以更加准确的判断未来路线。

就好像假如给你突然扔到一个陌生的马路上，让你去某个目的地。你根本不知道应该往哪边走，但是此时你回忆起来刚刚自己试一路从东过来的，那么按照这个惯性你也知道要继续往西走。

这个方案的训练次数恐怕要比方法三小的多，并且不需要额外进行外链请求大模型，费时费钱。

本期到此结束，希望能给正在被此问题困扰的小伙伴一些启发，我也就是抛砖引玉，欢迎小伙伴进群瞎聊~

最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】