unreal development kit

更新時間:2023-03-01 18:18:07 閱讀：評論：0

Katana編譯

前言

作為本系列的開篇(理性設計手冊系列)，本篇的內容對于理性關卡設計理論來說，具有著極為重要的意義，請耐心閱讀 --編譯者Katana

作者：盧克·麥克米蘭（Luke McMillan）

設計是高度個人化的一項工作-我對此沒有任何異議，并且我已經看到許多獨特且多樣化的設計方法。過去困擾我的是看起來像某種圍繞著有效設計實踐的神秘主義。"禪系”（Zen）設計理念來源于音樂創(chuàng)作的背景之下，規(guī)則和啟發(fā)占據了主導地位。這對我而言卻并不適用，尤其是當你考慮到這些“胡說八道”的理論將可能帶來相關的財務風險時，Dan Cook，Raph Koster，Joris Dormins，Steve Swink，Ernest Adams和Jes Schell（僅舉幾例！）已經在將“煉金術”轉變?yōu)榭茖W理論的道路上取得了重大進展。這種理解游戲的新方法，其分支之一是Rational Design(即理性設計)或者Rational Level Design [RLD]。我以前在這里寫過一些關于這個概念的文章，但是從一開始我并沒有公開地發(fā)表過任何文章。

我本來最初的目的是把這一切理論都整合編寫成免費開源的教科書，命名為“ The Rational Designers Handbook”(即理性設計師手冊)。后來我改變了主意，決定將自己的工作手冊變成一系列在Gamasutra上的博客文章。這樣，我可以讓其他的游戲開發(fā)者、學者和教育工作者自行選擇、共同創(chuàng)作。因此，這里是理性設計師手冊的第一部分-導論。

什么是理性的關卡設計(The Rational Level Design) / RLD？

理性關卡設計（RLD）是一種客觀地量化用戶體驗元素的方法，目的是創(chuàng)造一致的游戲體驗。RLD最常用于理解各種游戲元素如何影響難度。由于難度在確定用戶體驗中起著重要作用（憤怒和無聊之間的不穩(wěn)定平衡！），因此我們可以使用RLD中的目標——數字驅動系統(tǒng)來打造用戶體驗。雖然RLD現(xiàn)在不僅僅用于創(chuàng)建游戲關卡，但RLD標簽已經被定義，被用來描述使用這種數據驅動方法的設計活動。

我們?yōu)槭裁匆褂肦LD？

RLD最常用于具有重大財務責任的項目中，或者是有多團隊合作的項目。盡管RLD是基于一組客觀的度量來構建用戶體驗，但它在大型生產環(huán)境中的廣泛使用，很大程度上是為了降低風險的結果。

在RLD中，游戲元素的修改和創(chuàng)建是基于對用戶數據的觀察和數學回歸方法創(chuàng)建的近似值。RLD的主要優(yōu)點是，它通過量化通常被認為是過于無形或抽象而無法用傳統(tǒng)方法表示的生產過程，將設計師團隊聯(lián)系起來。

對學生和那些學習設計的來說，RLD還是一個有效的工具。與“禪系”設計不同，禪系的設計更傾向于經驗和直覺，而不是具體的度量。而RLD方法提供了一個框架和流程，可以幫助有效減輕設計中的某些奧秘(黑盒)。許多采用RLD方法的設計師最終將其概念融入到自己的設計風格中，并創(chuàng)造出一種Zen/RLD的混合體，這種混合體由經驗告知，由邏輯推進。

行業(yè)工具&必備知識

RLD受益于這樣一個事實：即實現(xiàn)它所需的許多工具都是現(xiàn)成的，有時是免費的，而且通常都有完整的文檔記載。盡管一些大型發(fā)行商和開發(fā)者已經開發(fā)了他們自己的內部工具，但是你也可以實現(xiàn)自己的RLD Pipeline。

網格紙（是的，我說紙！）尺子，筆，量角器，三角尺，科學計算器等某種類型的電子表格應用程序

除了工具之外，對數學的良好理解也將大有幫助。

本文的目的&RLD手冊的后續(xù)更新

本文（和后續(xù)文章）旨在為希望將RLD用作其自身設計過程一部分的人員提供參考。本系列涵蓋RLD的許多示例，以及它們是如何作為開發(fā)和分析工具來實現(xiàn)的。重要的是要注意，本系列文章是游戲設計的廣泛知識體系的一部分。在整個系列中，你將看到其他來源的鏈接和參考。我強烈建議你能花時間閱讀這些作者的作品。最重要的是要承認設計過程通常是非常個人化的，你最終需要選擇最能引起共鳴的模型和結構。

流程和“不固定”的東西：我們如何創(chuàng)建難度編號？

要了解我們如何在RLD流程中創(chuàng)建難度編號，我們需要了解兩個主要問題：

從數學上講，復雜度的線性增長往往會導致游戲難度的指數級增長。可以認為這是你的RLD表格和玩家實際心理之間的聯(lián)系，它們與這些表格的最終產品相互作用。RLD始終是起點，并且設計中總會有一些無法用編號客觀表達的元素。當編號失敗時，將朝著混亂的方向去創(chuàng)建有趣的游戲關卡體驗。

線性增長&指數難度

為了理解我們的RLD編號來自何處，我們需要仔細檢查第一點。線性復雜度，會導致難度呈指數級上升。維數是此過程中使用的關鍵術語之一。從數學上講，維數是我們枚舉一組修飾符(Modifier)的所有可能結果所需的空間維數。

舉例來說，假設我們基于六面骰子的結果來創(chuàng)建游戲。這個六面骰子將被視為我們的修飾符。從統(tǒng)計學上講，我們說六面骰子是一個概率空間，由六個結果組成。玩家可以擲骰子，并有六分之一的機會擲出任何數字。這種類型的“事件”只有一個維度，因為我們只需要一個軸就可以。雖然這有點平淡無奇，但我們的枚舉看起來像這樣……（圖1）

圖1

如果我們將游戲擴展到包含兩個骰子（修飾符）的結果，那么我們需要使用兩個軸來枚舉一組事件（圖2）。

圖2

在兩次擲骰子事件中，我們可以看到一個軸是如何修改另一個軸(一加一等于二)，依此類推。我們還可以看到每次一個元素被添加到我們的設計中時，它是如何指數級增加玩家必須處理的潛在的排序結果。通過使用2個六面骰子，我們已經從6個結果變成了36個結果。不僅如此，通過添加一個額外的修飾符，某些結果出現(xiàn)的概率將變得更加復雜，這將會變的有趣起來。通過簡單地使用兩個修飾符，我們得到了一個更為復雜的概率空間：像總值為2或12的事件，變成了36分之一的概率事件，而總值合計為7的事件則變成了六分之一的概率事件。盡管線性增長的修改導致了概率空間呈指數級上升，人類有能力應對這些巨大的概率空間。許多人認為，這是我們在模式識別中找到這種樂趣的原因之一。

我們可以用不同的方式將這一概念可視化，其中一種方法是通過將玩家在任何一點(階段)上可能擁有的選項數量作為分支決策樹來考慮。在上面的圖片中，我們可以看到在任何一個階段（左）有三個選項比僅只有兩個（右）要復雜得多。

注：19.11.12日凌晨時，數值策劃群的一位群友所提到的關卡中的層次感便是由此而來，實質上是通過不同階段所面臨的概率空間來進行控制。

圖3

圖3描繪了RLD問題——每當我們修改或添加一個元素到游戲中時，難度的增長率不是線性的，而是呈現(xiàn)出指數級增長的趨勢，直到游戲將變得完全不可能通過的程度。

創(chuàng)建我們的RLD編號

既然我們理解了復雜度的線性增加是如何導致難度指數增加的，那么現(xiàn)在可以將其納入關卡設計的上下文(環(huán)境)中。假設你面臨一個跳躍挑戰(zhàn)，平臺之間的間隙呈線性遞增。此示例是使用默認的物理和控件類型在Unreal Development Kit（UDK）中創(chuàng)建的。在這里，我創(chuàng)建了一個測試關卡來了解我的空間度量，即了解實際空間測量值與我作為玩家的經驗之間的關系。（圖4）

圖4

在這里我有四個平臺，我想在它們之間跳躍。每個連續(xù)的平臺都使用的是間隙的線性增加。在此示例中，我每次都將相繼的每個平臺通過16UU（虛幻單位/現(xiàn)實世界中的測量值大約為32厘米）[1]隔開。使用此空間測試，我將要求一組新的測試人員在沒有任何預先培訓的情況下在平臺之間跳轉。每次測試完成后，我都會記錄每個平臺上的失敗次數，當然我也會親自觀察這些測試，這樣我就可以將任意數字等同于玩家的經驗。這些類型的實驗真正有趣的是，你會發(fā)現(xiàn)失敗率始終會呈指數級增長，即使是在分離平臺中的間隙僅呈線性增長的情況下。

難度總是提升到指數增長點。當你試圖以圖形方式繪制數據時，這是最好的表示方法。基于這個準確的實驗，我發(fā)現(xiàn)十分之一的測試者在第一次嘗試時就沒有通過簡單跳躍。十分之二的測試者在第一次嘗試中沒有通過中等跳躍，十分之六的測試者在第一次嘗試中沒有通過困難跳躍。然后，這導致我創(chuàng)建了一個表格（圖5），有三個難度等級：簡單、中等和困難。然后，根據測試數據的失敗率為每個難度等級分配一個數字。“ RLD難度值”是每十次嘗試中的失敗嘗試次數。最困難的一種跳躍，現(xiàn)在被分配的難度是“六”，因為十次嘗試中有六次失敗，并且這種模式的延續(xù)遍及到我的表格。

圖5

需要注意的一件重要的事情是，簡單的任務總是需要一些風險因素，并且難度在成為不可能之前是有限度的。（圖6）

圖6

修飾符&尺寸

所以我們現(xiàn)在有了一組簡單的數字，可以用來設計跳躍挑戰(zhàn)。但是這些數字做出了一些假設

1.玩家將總是跳至處于相同水平高度的平臺上。

2.連續(xù)八次輕松跳躍的挑戰(zhàn)和一次困難跳躍的挑戰(zhàn)一樣困難。

從經驗中我們知道，事實并非如此。為了糾正這兩個問題，我們需要查看我們的修飾符是什么，以及它們的值應該是什么。

圖7

在此示例的上下文(環(huán)境)中，我們應該考慮的第一個修飾符應該是重力（圖7）。我們知道，在玩家將無法到達平臺之前，平臺的高度是有限的。我們也知道，平臺會有一個非常低的位置(Point)，以至于玩家著陸時會因重力而導致死亡。通過進行空間測試，我們可以量化這些數字，并使用一些簡單的數學方法從這些點開始向后計算。

圖8是使用任何新游戲引擎時應創(chuàng)建的沙箱環(huán)境類型的示例。這些環(huán)境將根據游戲而變化，但是在第一人稱游戲（UDK最適合這種環(huán)境）的情況下，你將需要一種方法來測試諸如奔跑速度，跳躍距離等內容。最重要的是，這些類型的測試環(huán)境對于了解游戲的“感覺”是非常寶貴的。基于此交互，嘗試將感覺轉化為一個客觀的度量體系。

圖8

UDK中創(chuàng)建的一系列跳躍平臺-我將使用的引擎。每組由九個不同的平臺組成，這些平臺逐漸增加高度和間隙的寬度。這個沙箱的目的是尋找出玩家可以做什么的極限，然后將其用作我們的最大跳躍/(不可能跳躍)值，以此計算出我們的RLD度量。

注：這里要提及一下我所在團隊的編劇，與他合作制作關卡時，他通過數學方法的方式準確地計算出玩家的極限跳躍距離以及可跳躍高度，與此處所呈具有異曲同工之妙。此種通過計算基于玩家處所得數值驅動設計的方式，為建立一套客觀的度量體系打好了基礎。

圖9

我們從最初的測試數據中知道，對于一個在不同水平高度的平臺之間跳躍的玩家來說，我們的RLD編號是什么。我們知道，有十分之一的測試人員未能通過128UU跳躍，十分之二的測試人員未能通過160UU跳躍，十分之六的測試人員未能通過192UU跳躍（在上表中以紅色突出顯示）。基于此數據，我們現(xiàn)在知道，對于概率空間中寬度x高度的任何單個排列，我們都不應超過RLD編號為六的值。

在這一點上，您需要動手做一些數學運算-特別是我們需要使用我們擁有的數據，并找到最好的方法來插值丟失的數據。我們知道難度往往是指數級的，因此有理由認為我們應該考慮將指數回歸作為起點。="http://www.xuru.org/rt/TOC.asp">可以在此處找到一套回歸工具。

圖10

使用該工具（圖10），輸入了每個點的數據。有時，你會發(fā)現(xiàn)需要嘗試多種回歸方法，然后才能獲得可接受的誤差范圍。在這種情況下，指數回歸不起作用，而對數回歸則起作用。（圖11）

圖11

現(xiàn)在我已經得到了一個公式來使用，然后我可以使用這個公式來插值一個序列中丟失的所有數據。當我將結果圖形繪制出時，可以看到我的指數級曲線開始形成。我們現(xiàn)在得到的是沿一個軸的每個排列的近似失敗率。現(xiàn)在，我們的任務是回到我們創(chuàng)建的空間測試中，并試圖找出每個序列的極限。就本示例而言，我們將使用6這個數字來表示最大值。）

圖12 [2]

至此，你有兩個選擇，我將按照優(yōu)先順序列出它們。

1.根據你對問題的理解插入剩余值，但僅使用數字1、2和6表示從容易到困難 //即手動控制

2.使用回歸工具以數學方式計算出這些值。

盡管方法二在數學上是正確的，但它往往不能準確地反映出問題的心理影響。例如，當你跑到其中一個壁架上時，可能會出現(xiàn)懷疑、緊張、放松等內部狀態(tài)，從而扭曲實際結果。正是因為這個原因，我個人喜歡手動插值。同樣，這再次證明了RLD是設計中某些元素的一個很好的起點。從上表中可以看到，我發(fā)現(xiàn)高度的小幅增加并沒有真正使跳躍挑戰(zhàn)變得更加困難，直到我們接近64UU高。一旦確定了這些最高點，我們就可以定義任何超出限制的內容（用黑色突出顯示）或任何實際上不應視為風險的內容（即值小于1）。

對于類似的情況，你通常會發(fā)現(xiàn)你最終得到了一組模仿該模式的RLD編號。（圖13）

圖13 [3]

你可以通過使用繪圖工具在試驗系統(tǒng)中對這些曲線中的每條曲線進行微調，也可以使用用于創(chuàng)建原始序列的回歸工具。試錯法涉及在每個序列上實時繪制數據圖形，然后調整每個序列中的數字，直到獲得圖形化的斜率，類似于使用正確的對數回歸方法創(chuàng)建的斜率。

現(xiàn)在，如果你是一名設計師，并且對用于內插這些值的時候所用到的數學計算感到迷惑不解，那么你需要聽聽我的講解，讓我來幫助你弄清楚這些值的秘密，信不信由你。

汽車售后ECU(電子控制單元)調整軟件通常具有表格系統(tǒng)，該表格系統(tǒng)將基于有限的數據集自動執(zhí)行對數，指數和多項式回歸！它們的工作方式通常與Microsoft Excel的線性回歸工具相同，但使用的是經過修改的公式。最好的部分是，如果你計劃對你的RLD編號進行規(guī)范化，將其打入你選擇的調諧軟件中，它將為你提供相當完整的數據點集，供你進行調整！

任意的修飾符

在此示例的上下文中，我們需要考慮的最后一個修飾符是玩家到達檢查點之前所需的連續(xù)跳躍量。連續(xù)的步數越多，難度就越大-盡管有時很難找到一個客觀的來源來幫助我們?yōu)檫@樣的修飾符定義一個數字。與重力修正不同的是，在我們認為它是“不可能”的值之前，它可能是一個接近無窮大的數。在這種情況下，你需要使用任意的修飾符。即使這些數字是任意的，你也需要基于某種邏輯。

圖14

在圖14中，我們有三個不同部分的跳躍挑戰(zhàn)。每個區(qū)域都被一個“安全區(qū)域”分割，玩家可以在這個區(qū)域休息并選擇進入下一個挑戰(zhàn)區(qū)域。作為設計師，我們需要一些方法來定義每個部分所采取的步數對難度造成的影響。由于每個安全區(qū)域的步數都可能會很長，因此選擇一個數字序列（在繪制圖形時保持一個相當一致的斜率）非常重要。實際上，可以從音頻工程領域獲得一個好的經驗法則。如果你有一個非常安靜的小提琴演奏者，你需要多少個額外的小提琴演奏者將音量加倍？這聽起來很奇怪，你大約需要十個小提琴演奏者才能使音量加倍！同樣的原理也適用于這個例子和對困難的感知。因此，你的數字序列應該是一個接近線性的發(fā)展(near linear progression)。

圖15

在上面的例子中，我創(chuàng)建了一系列的修飾符，然后我將可以使用它們來修改跳躍挑戰(zhàn)中每個部分的整體難度。這些數字是以上面的小提琴例子為基礎的–當我們將某物乘以10時；我們大概將感知到的難度翻了一番。作為首席設計師，你將始終需要為這樣的系統(tǒng)指定一個上限，以便團隊中的其他人可以共享一套一致的游戲空間開發(fā)規(guī)則。

數字心理學

有人認為RLD是一種過度解構主義、數學化和枯燥的游戲體驗設計方式。當單獨使用時，似乎沒有任何類型的測試。這似乎是事實，但是當正確和一致地使用時，RLD在塑造用戶體驗方面則是一個強大的工具。困難在游戲體驗中扮演著重要的角色，為了保持玩家的參與度，游戲的設計應始終帶有焦慮的高峰和低谷，但是在這種“自然”的過程中意想不到的中斷則會是非常有害的。（圖16）

圖16 [4]

RLD的制作經驗

既然我們對修飾符的影響有了清晰的認識，那么我們就可以著眼于制作關卡中的元素-特別是跳躍挑戰(zhàn)。盡管RLD看起來像是簡陋和沒有價值的，但是有一個非常可衡量的心理因素可以使它正確（和錯誤！）。理想的游戲體驗是，焦慮會隨著時間的流逝而增加，并且在設計中的元素沒有去破壞心流或者沉浸感。而難度對于這種沉浸感和心流具有最大的影響。當事情太容易時，我們往往會感到無聊，而當事情太難時，我們就會感到沮喪。通過使用RLD來打造我們的游戲體驗，我們確保難度遵循這個久經考驗的真實公式。

為了展示游戲體驗和通過RLD進行細致的關卡構建之間的聯(lián)系，讓我們繼續(xù)跳躍挑戰(zhàn)的示例。我們想設計一個有三個截然不同的部分的跳躍挑戰(zhàn)（圖17）。每個部分都有一個安全區(qū)域作為檢查點。我們已經定義了每個跳躍類型的RLD編號，首先基于用戶測試，然后通過數學回歸（以及更多測試）。我們還通過包含的另外兩個修飾符擴展了挑戰(zhàn)的維度：重力和步數。現(xiàn)在是時候拿出圖表畫出一個概念了。

圖17

如果要在不帶修飾符的情況下繪制此示例的圖，那么我們將得出類似于以下示例的內容（圖18）。我們面臨的挑戰(zhàn)很容易開始，但難度卻大大增加。

圖18

通過只繪制一個修飾符，我們的圖形表明我們已經創(chuàng)造了一個突破性的挑戰(zhàn)。將焦慮/無聊標簽應用到該圖時，你可以看到我們如何走出流動通道并進入危險區(qū)域（圖19）。但是，我們錯過了這一跳躍挑戰(zhàn)的兩個重要修飾符。

圖19

一旦添加了額外的修飾符，我們的圖表就開始更能反映玩家對挑戰(zhàn)的感知（圖20）。我們在挑戰(zhàn)的第二部分看到的極端峰值有所緩解。但是，挑戰(zhàn)的第二部分仍然存在問題。

圖20

RLD總是一個修改和完善的過程。關于這一挑戰(zhàn)最明顯的事情是，中間區(qū)域在目前的形式下太困難了。我們需要回頭看看修飾符，看看我們能做什么來解決這個問題。我們有幾個選擇，可以根據我們的指標使用；

1.縮小間隙

2.保持間隙不變并調整垂直度

3.減少步數

RLD的最重要元素之一是識別度量系統(tǒng)的優(yōu)先級。你將需要至少三個指標–主一級、二級和三級。指標之間的關系通常總是可傳遞的。也就是說，調整一級指標將產生最大的影響，并且將對二級和三級指標等產生級聯(lián)效應。

在這個挑戰(zhàn)中，如果我只是簡單地使用較小的跳躍（即簡單的跳躍），那么我知道這很可能會改變挑戰(zhàn)，從太難變成太容易。然后我遵從我的第二個指標-垂直修正/重力修正。根據邏輯，要求玩家跳到較低的平臺會稍微容易一些。我們仍然保持相同的間距，但只需應用其中一個修飾符來調整數字。

注：指標這個詞語等同于度量

基于此邏輯，你可以使用之前創(chuàng)建的表來創(chuàng)建跳躍的組合，從而略微降低難度。在這種跳躍式挑戰(zhàn)的情況下，只需將每個連續(xù)的步調降低16UU，即可得到理想的結果（圖20）。重要的是要注意，我在繪制圖紙之前參考了表格并計算了實際示例。這是在預生產過程中進行RLD工作的好處–迭代變得更快，解決設計問題變得更加面向流程，而不是隨意的用戶需求評價過程。

圖21

當我們繪制最終結果的圖表時，我們得出了一個大大改進的難度分布（圖21）。請記住，困難永遠是相對的-隨著玩家技能的提高，人們對什么是（不什么是）困難的理解也會隨之增加。盡管此圖顯示了跳躍挑戰(zhàn)進入焦慮區(qū)域的第三部分，但這應該是你的分布大致所在的位置。

混亂與RLD的主要度量

混亂是當你從這個跳躍挑戰(zhàn)開始時，玩家對難度的感知發(fā)生的變化…（圖22）

圖22

對此……（圖23）

圖23

在這兩種情況下，我們的跳臺都使用相同的高度和距離度量進行分布，但是挑戰(zhàn)的表現(xiàn)形式是不同的，甚至可能是混亂的。

現(xiàn)在當我說混亂時，我的意思不是指雜亂無章或無序，隨機和無知的設計決策。在RLD的上下文中，混亂是指所有不能輕易以量化和客觀的方式來表達的修飾符（無論是游戲還是玩家的思維，在游戲體驗中都是顯而易見的）。盡管我們沒有量化這些現(xiàn)象，但是我們還是在RLD的過程中使用它們并加以考慮。換句話來說，混亂是RLD的一部分，我們不能用數字來表示它，但它仍然是玩家體驗的組成部分。

混亂元素的一個很好的例子是，考慮到美學在跳躍挑戰(zhàn)中對難度的感知所起的作用。我們可以在美學上以多種方式實現(xiàn)相同的跳躍挑戰(zhàn)。雖然我們可能會改變如何使用各種藝術手段來實現(xiàn)難題或挑戰(zhàn)，但數值難度和感知難度可能會有很大的不同。例如，難題或挑戰(zhàn)的一種實現(xiàn)可能會有震耳欲聾或者是無聲音頻，它們使玩家不知所措，而另一種版本則可能是相同的形式，通過音頻以外的藝術手段表現(xiàn)出來。

那么哪一個更困難呢？

答案是，從RLD的角度來看，兩者都同樣困難。只不過單純從美學(每個人不同的審美觀點)上來看，其中一個相對于另外一個會更難一些。

在我的下一篇文章中，我將探討全局度量的概念，以及我們如何解釋這些影響難度度量的“其他”元素。

注：

[1] The conversion between UU and real world measurements depends largely on how the underlying physics system has been written. Although many different games u Unreal Engine, the translation of UU to real world measurements varies slightly.

[2] The black ctions indicate permutations that are off limits. In the ca of Figure 12, this blacked out ctions are impossible under normal circumstances

[3] Just like the example given in Figure 12, more ctions have been blacked out in this table to reprent permutations which are too simple to be considered a puzzle.

[4] This explanation of the “Flow Channel” is derived from Jes Schell. The art of game design a book of lens. Elvier/Morgan Kaufmann, 1st edition, August 2008.