【研机析理】冒险游戏玩家行为及决策分析

作者:clatterrr
2019-06-04
27 26 7

简介

我们很好奇玩我们游戏的玩家都是些什么样的人,他们有些什么样的特点,会以怎样的方式游戏。然后我们可以以此改进我们的游戏设计。但直接问他们又是不可能的,这辈子都不可能的。那么我们会如何实现这个目标呢?

一个有点像魔塔的游戏

我们所要测试的游戏, MiniDungeons ,是一个类似魔塔但却大大简化的游戏。上图是其中的一关,每关由12×12的网格组成,你需要操控我们勇士——就是那个左手拿个盾牌,右手拿个蜡烛,傻不拉几站在那儿的就是我们的勇士——活着从上楼处走到另一个向下的楼梯处就算通过了这关。

不过前进之路没那么顺利,你要是遇到药水,你的生命会增加,遇到宝藏,那么你的宝藏计数器会加一,此外毫无用处。但要是你遇到了恶魔,就是那个浑身绿色,站在那儿好像在说:“我的膝盖中了一箭”的恶魔,就必须与之战斗,然后你就会损失掉相当于于一药水瓶的血量。

我们的游戏一共有10个关卡。

设定不同性格的电脑玩家

我们请来五个不同性格电脑玩家,让他们游玩,并将他们的行为与我们的人类玩家比较,看看玩我们游戏的究竟是喜欢看小马宝莉的古怪大叔,还是喜欢看《山》的佛系玩家,或其它什么不明生物之类的。

总之,我们请来的五个电脑玩家性格分别如下:

  • 保守玩家(baseline player),我们简称他为 B。他对打怪捡金币什么的不甚感兴趣,只想快点到达终点。
  • 大脚丫(Runner),我们简称他为 R。他的特点是懒,每次都选择步数最少的路线,哪怕前面有恶魔,刀山火海或者碰瓷的,也绝不肯多走一步。
  • 求生者( Survivalist),我们简称他为 S。他的特点是求生欲极强,不愿意作战,每次遇到恶魔都尽量避开。
  • 恶魔杀手(Monster Killer),我们简称他为 M。他的特点是极为冷血,没得感情,希望干掉尽量多的恶魔。
  •  寻宝者(Treasure Collector ),我们简称他为 T。他的特点是没得钱,因此希望找到尽量多的宝藏。


我们强迫这些电脑人去上一门名叫“Q-learning”的课,然后让他们在游戏中实习,根据他们在游戏中的不同表现给分,如下表,并敦促他们努力追求高分。

人类玩家数据收集分析

我们邀请了很多人来玩我们的游戏,其中我们使用38根棒棒糖诱惑的那38个人类玩家都成功通关了。之后我们有了如下发现:

  1. 游戏一共有 70 个宝藏,而 32 个玩家都收集了至少 60 个。
  2. 游戏一共有 40 个药水,而 22 个玩家都喝下了至少 30 个。
  3. 玩家平均走过了 600 个地块,而其中两个玩家走过的地块连 400 个都不到
  4. 游戏一共有 80 个恶魔,但只有 13 个玩家杀死了 60 个以上,没人全部杀死

我们收集到了这些数据,却不知道该怎么处理它们。于是我们又制作了玩家行走路径的 heatmap。a,b,c,d,e,f 分别代表不同玩家玩同一关时的行走路线。亲爱的读者,你们有什么发现吗?


我们经研究发现,a 那位简直就是个变态,想要收集所有的药水和宝藏,想要击败所有的恶魔,我们猜他会对《血缘》和《只狼》感兴趣。而 e 这位明显想快速通关,然后可能是回家收衣服什么的吧…废话说了一堆,但我们还是无法知道游戏该怎样改进。别急吗,下面有请我们电脑玩家出场。

电脑玩家数据收集分析

到了验收电脑玩家成果的时候了。来看看他们的成绩单吧。

我们强迫每位电脑玩家都完了20遍游戏,一共两百关。反正电脑玩家傻效率高,没事。以下数据均为每遍的平均数。

对此,我们只想说:

有 20% 的利润,它就活跃起来;有 50% 的利润,它就铤而走险;有 100% 的利润,它就敢践踏一切人间法律!

——经济评论家邓宁

不过,我们还是制作了一个 heatmap 图来看看电脑人究竟干了些什么。

左边这张图,是保守玩家,大脚丫和求生者走的一模一样的路线。中间这张图为恶魔杀死的路线,而右边是寻宝者的路线。

鉴于保守玩家,大脚丫和求生者走的路线一模一样,我们有充分的理由怀疑他们相互抄袭,于是又让他们补考了一次,并展示他们补考的结果。下图从左到右分别是保守玩家,大脚丫和求生者。

那么玩我们游戏的究竟是些什么人?

现在我们终于回到最初的问题了。我们知道每个玩家玩游戏时会受到影响,在不同关卡的表现也不尽相同。比如你玩得好好的,就快赢了,你妈妈却突然告诉你你只能再玩 10 分钟,然后必须做作业去,于是你再也静不下心,然后就反胜为败了。

假设某个玩家的路径为 N(a),而某种电脑的路径为 N。我们将比较人类和电脑人的 heatmap,即每位玩家在每关的路径,与每种电脑人的路径符合度,从而判断他们在每关究竟是哪种类型的玩家。

除了之前提到的 5 种电脑人以外,我们还邀请来一个没上过课的随机漫步的傻瓜,简称为 Z,特点就是毫无目的,随便乱走。

如下图所示,level 的意思为“关卡”,Total 的意思为“总数”。

从表中来看,大多数玩家都很符合“寻宝者”的特性。heatmap 对比的结果,也符合我们之前收集人类玩家数据时的分析。

所以呢?

Nicole Lazzaro 说过:“A game’s value proposition is how it makes its players think and feel. Players don’t buy games,they buy experiences ”。

照这样说的话,玩家并不只是想玩我们的游戏,而是想体验收获宝藏并逃出恶魔的重重包围的感觉,而不太在意走过多少地块或杀死多少恶魔。而且我们可以推测,这个规则不仅适用于我们的游戏,也适用于大部分冒险类游戏。

有了这个依据,我们就能大刀阔斧改进游戏设计了。玩家不就是想突破阻碍拿宝藏吗,不就是想体验一下不入虎穴焉得虎子的感觉吗?好,那我们可以安排围墙巧妙地守卫住宝藏,玩家需要需要按特定顺序穿过过道才能拿到宝藏;又或者宝藏分为几个等级,等级越高的宝藏由越厉害的恶魔守卫,击败高等级恶魔也需要更高等级的技能…

总结

这篇文章总结了使用冰淇淋引诱玩家的方法,那就是很多人都喜欢巧克力口味的,有的人甚至非巧克力口味的就不要……等等,好像跑偏了,不好意思哈。

嗯,在这篇文章里,我们使用计算机的帮助来分析游戏玩家的行为,并且证明这种方法是相当有效的。当然,我们不止是想借此来观察游戏玩家的行为,更想借此满足我们的不灭的好奇心,满足我们为玩家开发有趣游戏的愿望。

以及, Georgios N. Yannakakis 和 Nicole Lazzaro 是两位游戏设计的大佬。没事时可去谷歌学术上瞻仰一下他们。

参考

[1] Christoffer Holmgård, Antonios Liapis, Julian Togelius & Georgios N. Yannakakis . Generative Agents for Player Decision Modeling in Games Generative Agents for Player Decision Modeling in Games 

后记

之前翻译的两篇尽管赞和收藏了不少,但几乎没评论,我在想是不是太晦涩难懂了,所以虽然主要内容仍然来自参考文献,但换了另一种文风,不知道大家看起来感觉怎么样?

本文为用户投稿,不代表 indienova 观点。

近期点赞的会员

 分享这篇文章

clatterrr 

喜欢算法和游戏开发 

您可能还会对这些文章感兴趣

参与此文章的讨论

  1. 方程 2019-06-04

    我觉得这种量化研究的论文其实不是太需要评论啊,收藏了就好。之前你那篇谈论给谜题困难度分级的,让我想起有一年的建模美赛(去查了一下,是 MCM2008 的 B题)也是说给数独难度分级的。当时我差点儿就回复了,后来想想,如果只是回复“哈,当年我也做过这个”,那也太水了,于是才作罢了。

    • DarkAge 2019-06-04

      @方程:哈,当年我也做过这个

    • clatterrr 2019-06-04

      @方程:嗯。我只是不想大家觉得文章太晦涩,而不敢去看了。除了轻松的文风外,评论或许也能活跃一下气氛吧

  2. ch7782061 2019-06-04

    已拜读!

  3. 筋斗 2019-06-04

    每个玩家都有成为资本家的潜质,哈哈哈

  4. 初学者 2019-06-10

    因为没在做冒险类游戏,所以没回复,不过想想人性嘛,所有游戏都通用的

    但是个体还是有差别的,像RTS,SLG什么的,虽然让玩家陷入重围最后杀出来会让玩家感觉很爽,但次数一多玩家就会说“什么破游戏,明明我已经运营的很好了,怎么还被包围了!”

  5. 卓一抗 2019-06-11

    非常的有意思,挖了坐着的一本书《Artificial Intelligence and Games》收起来有空读下。

您需要登录或者注册后才能发表评论

登录/注册