게임 콘텐츠가 점점 복잡해짐에 따라 기존의 수동 테스트 및 스크립트 기반 테스트 방법 은 비용과 테스트 범위 측면에서 한계를 보이고 있다. 본 연구에서는 픽셀 수준의 시각 정 보만을 사용하여 게임의 그래픽 사용자 인터페이스(GUI)와 상호작용하는 딥 강화학습(DRL) 기반 자동 게임 테스트 에이전트를 제안한다. 제안된 에이전트는 ResNet18 기반 시각 인식 모듈과 Proximal Policy Optimization(PPO) 알고리즘을 결합하여, 게임에 대한 어떠한 선 해 정보 없이도 게임 내 장애물을 만났을 때 점프, 웅크리기, 벽 오르기와 같은 회피 방법 을 효과적으로 선택할 수 있다. 실험 결과, 제안된 에이전트는 다양한 장애물 구성 환경에 서 무작위 기준 모델 대비 더 높은 과제 성공률과 안정적인 학습 성능을 보였으며, 이를 통해 블랙박스 게임 환경에서 DRL 기반 자동 테스트의 실현 가능성을 입증하였다.

As the web game market grows, ensuring service stability through load testing has become increasingly important. Web games comprise a variety of functions with distinct internal logic, ranging from simple data retrieval to complex transaction processing. Therefore, a comparative performance analysis of load-testing tools that accounts for these functional characteristics is crucial for achieving reliable and efficient service operation. This paper evaluates the performance of four widely used load-testing tools—JMeter, k6, Gatling, and Locust—under representative web-game workloads. To emulate realistic database read and write patterns, we implement the core server logic of the web game Pokerogue in a cloud environment rather than simply issuing HTTP requests. We classified workload patterns into write-intensive, read-intensive, and mixed types using distributed tracing, and measured request-generation capability and system resource consumption across five key game functions. Our experiments show that each tool demonstrates distinct strengths depending on the characteristics of individual web-game functions. Specifically, k6 demonstrated high request-generation performance in write-intensive scenarios, while JMeter showed strong performance in read-oriented tasks; Gatling exhibited efficient memory usage in mixed workloads, whereas Locust proved suitable for resource-constrained environments. These results indicate that the selection of a load-testing tool should be informed not only by its request-generation performance but also by the workload characteristics of the target game function. By systematically analyzing function-specific workload patterns together with the performance and resource-usage behavior of each tool, this study aims to provide empirical evidence that can be usefully applied in practical load-testing workflows for web-game services.

온라인 게임을 하나의 상품이라는 측면에서 보았을 때 개발되는 모든 온라인 게임은 서비스 제품으로서 사용자에게 구매의욕(게임을 하고 싶은 마음)을 불러 일으켜줘야 한다. 무엇보다도 게임 콘텐츠 재미 부분이 중요하지만 다른 한편으로는 게임 서비스 이전 세부적인 테스트 프로세스를 통해서 개발된 게임의 접근성을 향상시키는 것도 중요하다고 본다. 즉, 일반적인 게임성 테스트 이외에도 이제는 게임 사용성 측면까지 고려한 종합적인 게임 테스트 프로세스가 필요하다. 다시 말해서 체계적인 게임 테스트 프로세스를 통해 정성적이며 정량적인 게임검증이 필요하다고 할 수 있다. 따라서 본 연구는 온라인 게임을 상품이란 기준 하에 그에 따른 평가 프로세스에 관한 내용을 제안하였다.