[[390356]]

 為營(yíng)造積極的游戲體驗(yàn)，游戲設(shè)計(jì)者通常會(huì)反復(fù)調(diào)整游戲中的平衡性：

1. 通過(guò)測(cè)試用戶成千上萬(wàn)次的游戲會(huì)話進(jìn)行壓力測(cè)試
2. 整合反饋，重新設(shè)計(jì)游戲
3. 重復(fù)步驟 1 和 2，直到游戲測(cè)試人員和設(shè)計(jì)者都滿意為止

這個(gè)過(guò)程不僅耗時(shí)，而且明顯存在不足：游戲越復(fù)雜，細(xì)微的缺陷就越容易被忽視。當(dāng)游戲中有多個(gè)可供扮演的角色和大量相互關(guān)聯(lián)的技能時(shí)，要達(dá)到平衡便更為困難。

今天，我們將介紹一種機(jī)器學(xué)習(xí) (ML) 方法：訓(xùn)練模型充當(dāng)游戲測(cè)試人員來(lái)調(diào)整游戲平衡，并在數(shù)字卡牌游戲原型 Chimera 上演示這種方法。先前，我們也用相同的測(cè)試平臺(tái)演示了 ML 生成的藝術(shù)。這種基于 ML 的游戲測(cè)試方法使用訓(xùn)練好的智能體 (Agent) 通過(guò)數(shù)百萬(wàn)次模擬收集數(shù)據(jù)，讓游戲設(shè)計(jì)者可以更高效地將游戲打造得更有趣、更平衡的同時(shí)也符合設(shè)計(jì)預(yù)期。

Chimera

https://www.youtube.com/watch?v=hMWjerCqRFA&t=239s

Chimera

我們開發(fā)的 Chimera 是一個(gè)游戲原型，在開發(fā)過(guò)程中依賴了大量的機(jī)器學(xué)習(xí)。對(duì)于游戲本身，我們有針對(duì)性地設(shè)計(jì)了規(guī)則，擴(kuò)大了可能性空間，使得很難通過(guò)傳統(tǒng)的人工構(gòu)建的 AI 來(lái)進(jìn)行游戲。

Chimera 的玩法圍繞奇美拉(Chimera，神話生物)展開，這些生物混合體將由玩家強(qiáng)化和進(jìn)化。游戲的目標(biāo)是打敗對(duì)手的奇美拉。游戲設(shè)計(jì)中的關(guān)鍵點(diǎn)如下：

• 玩家可以：

1. 操控生物，可發(fā)出攻擊(使用攻擊統(tǒng)計(jì)，attack stat)或受到攻擊(減少生命統(tǒng)計(jì)，health stat);
2. 使用法術(shù)，產(chǎn)生特殊效果。

• 生物被召喚到容量有限的生物群系，實(shí)際放置于牌桌空間。每個(gè)生物都有對(duì)應(yīng)的偏好生物群系，如果被放置于不正確的生物群系或超出容量的生物群系則會(huì)受到重復(fù)傷害。
• 玩家控制的是一只奇美拉，奇美拉最開始處于基本的“蛋”狀態(tài)，通過(guò)吸收生物來(lái)進(jìn)化和強(qiáng)化。為此，玩家還必須通過(guò)各種游戲機(jī)制獲得一定的鏈接能量。
• 當(dāng)玩家成功將對(duì)方奇美拉的生命降至 0 時(shí)，游戲就會(huì)結(jié)束。

學(xué)習(xí)玩 Chimera

Chimera 是一款具有較大狀態(tài)空間的不完美信息博弈 (Imperfect Information) 卡牌游戲，我們預(yù)計(jì)這會(huì)讓 ML 模型難以學(xué)習(xí)，并且我們的目標(biāo)還是一個(gè)相對(duì)簡(jiǎn)單的模型。我們的方法受 AlphaGo 等早期對(duì)弈智能體使用的方法啟發(fā)，其中卷積神經(jīng)網(wǎng)絡(luò) (CNN) 被訓(xùn)練來(lái)預(yù)測(cè)給定任意對(duì)弈狀態(tài)下的獲勝概率。在隨機(jī)移動(dòng)的對(duì)局上訓(xùn)練初始模型后，我們?cè)O(shè)置智能體與自己對(duì)戰(zhàn)，反復(fù)收集對(duì)局?jǐn)?shù)據(jù)，然后用于訓(xùn)練新的智能體。每次迭代后，訓(xùn)練數(shù)據(jù)的質(zhì)量都會(huì)提高，智能體的游戲能力也會(huì)增強(qiáng)。

隨著訓(xùn)練的推進(jìn)，與性能最好的人工構(gòu)建的 AI 相比，ML 智能體的表現(xiàn)情況：最初的 ML 智能體(版本 0)隨機(jī)移動(dòng)

AlphaGo

https://deepmind.com/research/case-studies/alphago-the-story-so-far

對(duì)于模型接收為輸入的實(shí)際游戲狀態(tài)表征，我們發(fā)現(xiàn)將“圖像”編碼傳遞給 CNN 可獲得最佳表現(xiàn)，結(jié)果超過(guò)了所有基準(zhǔn)程序智能體和其他類型的網(wǎng)絡(luò)(如完全連接)。選擇的模型架構(gòu)足夠小，可以在合理時(shí)間內(nèi)在 CPU 上運(yùn)行。我們因此能夠下載模型權(quán)重，并使用 Unity Barracuda 在 Chimera 游戲客戶端中實(shí)時(shí)運(yùn)行智能體。

用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的示例游戲狀態(tài)表征

Unity Barracuda

https://github.com/Unity-Technologies/barracuda-release

除了為游戲 AI 做出決策，我們還使用該模型顯示玩家在游戲過(guò)程中的估計(jì)獲勝概率

平衡 Chimera

在相同時(shí)間內(nèi)，模擬方法可比真實(shí)玩家能夠完成的對(duì)局多出數(shù)百萬(wàn)場(chǎng)。在收集了表現(xiàn)最好的智能體的游戲數(shù)據(jù)后，分析結(jié)果顯示出我們?cè)O(shè)計(jì)的兩種玩家卡組之間的不平衡。

首先，Evasion Link Gen 卡組的法術(shù)和生物能產(chǎn)生額外的鏈接能量進(jìn)化玩家的奇美拉。它還包含使生物能夠閃避攻擊的法術(shù)。相比之下，Damage-Heal 卡組的生物具有多種實(shí)力和專注于治療與造成輕微傷害的法術(shù)。雖然我們將這兩套卡組設(shè)計(jì)為具有相同的實(shí)力，但是 Evasion Link Gen 卡組在與 Damage-Heal 卡組對(duì)戰(zhàn)時(shí)取得了 60% 的勝率。

在我們收集與生物群系、生物、法術(shù)和奇美拉進(jìn)化相關(guān)的各種統(tǒng)計(jì)數(shù)據(jù)后，有兩個(gè)結(jié)果立刻浮現(xiàn)出來(lái)：

1. 進(jìn)化奇美拉可以帶來(lái)顯著優(yōu)勢(shì) - 奇美拉進(jìn)化次數(shù)更多的智能體更有可能贏得對(duì)局。然而，每場(chǎng)對(duì)局的平均進(jìn)化次數(shù)并沒(méi)有達(dá)到我們的預(yù)期。為了讓它成為更核心的游戲機(jī)制，我們要增加總體平均進(jìn)化次數(shù)，同時(shí)保持其使用策略。
2. 霸王龍生物過(guò)于強(qiáng)大。它的出現(xiàn)與勝利密切相關(guān)，而且模型將始終選擇霸王龍，不考慮召喚到錯(cuò)誤或過(guò)度擁擠的生物群系的懲罰。

根據(jù)這些分析結(jié)果，我們對(duì)游戲做出了一些調(diào)整：

1. 為了強(qiáng)調(diào)奇美拉進(jìn)化是游戲的核心機(jī)制，我們將進(jìn)化奇美拉所需的鏈接能量從 3 減少到 1。
2. 我們還為霸王龍生物增加了一個(gè)“冷卻”期，使其從任何行動(dòng)中恢復(fù)的時(shí)間都增加了一倍。

使用更新后的規(guī)則重復(fù)“自我對(duì)局”訓(xùn)練程序，結(jié)果顯示這些調(diào)整將游戲推向了預(yù)期的方向 - 每局游戲的平均進(jìn)化次數(shù)有所增加，霸王龍的優(yōu)勢(shì)逐漸被削弱。

霸王龍平衡前后的影響力比較示例：圖表呈現(xiàn)了當(dāng)卡組發(fā)起特定法術(shù)互動(dòng)(如，使用“閃避”法術(shù)強(qiáng)化霸王龍)時(shí)獲勝(或失敗)的對(duì)局?jǐn)?shù)量。左：改動(dòng)前，霸王龍?jiān)谒袡z查指標(biāo)上都具有很強(qiáng)的影響力 - 最高的生存率，最有可能被無(wú)視懲罰地召喚，獲勝時(shí)吸收的生物最多。右：改動(dòng)后，霸王龍遠(yuǎn)不如先前強(qiáng)勢(shì)

霸王龍的削弱成功減少了 Evasion Link Gen 卡組對(duì)強(qiáng)勢(shì)生物的依賴。即便如此，兩套卡組的勝率依然是 60/40，而不是 50/50。經(jīng)過(guò)對(duì)各個(gè)游戲日志的深入研究，我們發(fā)現(xiàn)玩法的策略性通常低于預(yù)期。再次搜索收集的數(shù)據(jù)后，我們又發(fā)現(xiàn)幾個(gè)需要改動(dòng)的地方。

首先，我們?cè)黾恿藘蓚€(gè)玩家的初始生命值以及治療法術(shù)可以補(bǔ)充的生命值。這是為了鼓勵(lì)更長(zhǎng)時(shí)間的游戲，發(fā)展更多樣的策略。特別是這使 Damage-Heal 卡組能夠存活足夠長(zhǎng)的時(shí)間來(lái)發(fā)揮其治療策略。為了鼓勵(lì)符合設(shè)計(jì)的召喚和戰(zhàn)略性生物群系放置，我們提升了將生物放入不正確或擁擠生物群系時(shí)受到的懲罰。最后，我們通過(guò)小范圍的屬性調(diào)整，縮小了最強(qiáng)和最弱生物之間的差距。

在新的調(diào)整到位后，我們得出了這兩套卡組的最終游戲平衡數(shù)據(jù)：

結(jié)論

通常，在新的原型游戲中找出不平衡可能需要幾個(gè)月的游戲測(cè)試。通過(guò)這種新方法，我們不僅能夠發(fā)現(xiàn)潛在的不平衡，還能在幾天之內(nèi)做出調(diào)整加以改良。

我們發(fā)現(xiàn)，相對(duì)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)便足以在與人類和傳統(tǒng)游戲 AI 的競(jìng)爭(zhēng)中表現(xiàn)出較高的水準(zhǔn)。這些智能體還可以用于其他目的，例如指導(dǎo)新玩家或發(fā)現(xiàn)意外策略。我們希望這項(xiàng)成果能夠激發(fā)更多關(guān)于機(jī)器學(xué)習(xí)用于游戲開發(fā)的可能性的探索。