Aura Autopilot: Agen AI Open Source yang Ikut Menguji Game di Unreal, Unity, dan Godot

Siapa pun yang pernah membuat game tahu bahwa bagian paling melelahkan sering kali bukan menulis kode atau menggambar aset, melainkan menguji. Setiap kali ada fitur baru, seseorang harus memainkan ulang level yang sama, mencoba tombol yang sama, dan memastikan tidak ada yang rusak. Pada 30 Oktober 2026, Ramen, perusahaan pengembang asisten AI Aura untuk Unity dan Unreal Engine, merilis Aura Autopilot, agen AI open source yang dirancang untuk mengambil alih sebagian pekerjaan berulang itu.

Rilis ini cukup ramai dibicarakan di X, terutama di kalangan pengembang game independen yang selama ini menguji game mereka sendiri dengan tenaga terbatas.

Apa itu Aura Autopilot?

Menurut dokumentasi resminya, Autopilot adalah sistem playtesting yang memainkan game secara real time dan terus belajar dari setiap sesi bermain. Alat ini mendukung Unreal Engine 5, Unity 6, dan Godot 4, baik di Windows maupun macOS. Kodenya tersedia di GitHub dengan lisensi Apache 2.0.

Pengembang cukup memberi perintah dalam bahasa sehari-hari. Ramen membagi perintah itu ke dalam empat jenis:

• Eksplorasi, misalnya "jelajahi sistem crafting di level utama".
• Pengujian, misalnya "mainkan level yang sedang terbuka dan laporkan semua yang terlihat salah".
• Verifikasi, misalnya "pastikan pohon bergoyang saat dipukul kapak".
• Tujuan, misalnya "kalahkan bos sambil menjaga nyawa di atas 20%".

Setelah menerima perintah, Autopilot membuka jendela play-in-editor, membaca kode sumber proyek, memainkan game sesuai perintah, lalu menyusun laporan ketika selesai.

Bagaimana cara kerjanya?

Dalam tulisan teknis yang dipublikasikan tim Ramen, Autopilot terdiri dari empat bagian: plugin di dalam game engine yang membaca kondisi game dan mengirim input seperti pemain sungguhan, layanan agen berbasis Python, agen pengodean (mendukung Claude Code, Codex, dan OpenCode), serta decision model yang mengambil keputusan cepat selama permainan.

Hal yang menarik adalah pendekatan harness adaptif. Alih-alih memberi AI daftar tombol mentah seperti "tekan W" atau "klik kiri", agen pengodean lebih dulu mempelajari kode game, lalu menulis "harness" khusus berisi aksi tingkat tinggi seperti "menyerang" atau "menghindar". Menurut Ramen, model bahasa bekerja lebih baik dengan pilihan aksi yang bermakna seperti ini dibandingkan dengan daftar tombol.

Untuk gerakan yang menuntut reaksi sangat cepat, seperti menghindari serangan musuh, sistem memakai "fungsi refleks" yang langsung dijalankan program tanpa menunggu keputusan model. Autopilot juga menyimpan memori per proyek berupa catatan, kode harness yang terbukti berhasil, dan laporan sesi sebelumnya, sehingga pengujian berikutnya bisa lebih cepat. Ramen mencontohkan Autopilot memainkan game bergaya soulslike: pada episode keempat, agen sudah belajar menghindari serangan bos dan memilih kombinasi pedang dan perisai.

Mengapa ini relevan bagi pengembang di Indonesia?

Banyak studio game di Indonesia berukuran kecil, bahkan dijalankan satu atau dua orang. Di tim seperti ini, pengujian kualitas (QA) sering menjadi pekerjaan tambahan yang dikerjakan di sela-sela produksi. Alat seperti Autopilot berpotensi membantu memeriksa hal-hal rutin, misalnya apakah sebuah pintu bisa dibuka atau apakah item bisa dibuat, sehingga tim bisa memusatkan perhatian pada desain dan rasa permainan.

Dukungan terhadap Godot juga patut dicatat, karena engine gratis dan open source ini cukup populer di kalangan pengembang independen dan pelajar.

Batasan dan konteks yang perlu diingat

Sebelum terlalu bersemangat, ada beberapa hal penting:

• Klaim performa berasal dari Ramen sendiri. Siaran pers menyebut Autopilot tiga kali lebih cepat daripada agen verifikasi Aura sebelumnya dan mengungguli pesaing serta agen umum seperti Claude Code dan Codex dalam menguji game. Pengujian itu dilakukan oleh perusahaan pada satu template game di Unreal Engine dan belum diverifikasi pihak independen.
• Tetap butuh model AI berbayar atau kunci API. Versi open source bisa dipakai dengan kunci API sendiri atau langganan Claude Code/Codex yang sudah ada. Artinya, ada biaya pemakaian model yang perlu diperhitungkan.
• Bukan pengganti penguji manusia. Ramen sendiri menegaskan bahwa game dibuat untuk hiburan manusia. AI bisa menemukan bug fungsional, tetapi menilai apakah sebuah game seru, adil, atau nyaman dimainkan tetap membutuhkan pemain sungguhan.
• Masih sangat baru. Repositori GitHub-nya baru dibuat pada 30 Oktober 2026, sehingga stabilitas dan dukungan komunitasnya masih perlu dibuktikan seiring waktu.

Meski begitu, Autopilot menunjukkan arah yang menarik: agen AI tidak hanya membantu menulis kode, tetapi juga mulai ikut memeriksa apakah hasilnya benar-benar berjalan.

Coba di Sumber AI

Sedang mengembangkan game atau ingin mulai belajar? Anda bisa memakai chat di Sumber AI untuk menyusun daftar skenario pengujian, menjelaskan konsep seperti playtesting otomatis dengan bahasa yang lebih sederhana, atau membantu merapikan laporan bug. Catatan desain dan temuan pengujian bisa disimpan di fitur jurnal, sementara Studio dapat membantu menyiapkan bahan presentasi untuk tim. Kunjungi sumber.ai.id untuk mencobanya.

Sumber

• Ramen, siaran pers "Ramen Launches Aura Autopilot, its Open-Source Autonomous Game Tester for Unreal Engine, Unity and Godot" (30 Oktober 2026): businesswire.com
• Tim Ramen, "Autopilot: A Continually Learning Real-Time General Playtesting System": tryaura.dev
• Dokumentasi dan repositori resmi: tryaura.dev/autopilot dan github.com/ramenvr/autopilot