“再多拿500分”为什么很快就没人在意
滑板游戏里最省事的挑战写法是分数门槛：在这个广场拿到 5000 分，下一级 5500，再下一级 6000。前几级还有点意思，到第五级时，玩家已经找到了一套刷分方法，比如在一段长 ledge 上反复 manual 接 grind，把连击倍率堆上去。此后每一级挑战只是让他把同一套动作多做几秒。分数在涨，玩家做的事情没有变。
更麻烦的是，分数门槛会反过来塑造玩家行为。玩家不再去试新的扶手或新的进入方式，因为那样容易摔，摔了就丢倍率。一个本来想鼓励探索的挑战系统，最后把所有人都推到了同一段最安全、最好刷分的 ledge 上。im体育滑板研究组对这个现象的判断是：分数只是结果的记账方式，挑战的难度必须来自滑板本身。
挑战真正可以变化的四个维度
把一个滑板挑战拆开看，至少有四个维度可以变化，每一个都会改变玩家的身体操作，而不只是改变一个数字。
进入方式
同一根扶手，平行进入和斜切进入是两种练习；backside 和 frontside 进入，玩家的视线和重心完全不同；进杆前加一个 kickflip 或 heelflip，又是另一层难度。进入速度也属于这一维，低速上杆要求更精确的平衡，高速上杆要求更早的起跳判断。
动作本身
50-50、5-0、nosegrind、boardslide、lipslide、feeble，在同一根扶手上的难度和失败方式各不相同。出杆方式同样算动作的一部分：直接滑出、shove-it out、270 out，落地时的板子朝向都不一样。
落地区域
落地区宽敞平整，玩家可以慢慢站稳；落地区只有三四米、紧接着一个转角，玩家必须在落地瞬间就调整方向。落地区有轻微下坡时速度会增加，接下一个动作更容易；有上坡时速度会被吃掉。
地点与上下文
同样的 boardslide，放在空旷的深夜广场和放在一条三段 line 的最后一段，难度差距很大。后者要求玩家在前两段动作后仍保留足够速度，并在连招压力下完成最后一次上杆。地点还带来环境变量，比如行人、路面材质、光线。
四个维度组合起来，一根扶手就能生成几十种有意义的挑战，每一种都需要玩家真的去做点不一样的事。关于系统怎样根据玩家习惯挑选这些组合，可以参考AI滑板挑战一文里“每次只推进一个维度”的思路。
生成：不能把两个动作名称随机拼在一起
有了四个维度，下一个诱惑是随机组合：从动作表里抽一个 flip，再抽一个 grind，拼成“kickflip to crooked grind”，再随手挑一根扶手。这样生成的挑战，有相当一部分根本做不出来。crooked grind 需要在上杆瞬间把板头压到扶手上，flip 之后接这个动作对落板位置要求极高；如果随机挑中的是一根带折点、助滑只有六米的圆管，可完成性就接近于零。
在im体育里，我们的设计是把生成放在一个“生成-校验”的循环里。以一个设计示例来说，生成器提出候选：“在北区九级扶手做 frontside boardslide，出杆 shove-it out，落地后三米内转向接下一个路缘”。校验器依次检查：
- 助滑距离与坡度能否提供上杆所需的速度；
- 扶手的高度、长度、截面是否适合 boardslide；
- shove-it out 需要的出杆高度和落地区长度是否匹配；
- 落地后三米转向，在当前速度下转弯半径是否够用；
- 这个组合与玩家已掌握的动作相差几步。
在这个例子里，假设第四项不通过：模拟下来，玩家落地速度偏高，三米内转不过去。校验器不会直接丢弃，而是给出修改建议，把转向距离放宽到六米，或者换成落地后直行接路缘。修改后的版本重新走一遍校验，通过了才会出现在玩家面前。随机拼接和校验循环的区别在于，后者每一个挑战都有一个“至少有人能做出来”的依据。
失败时，挑战应该告诉玩家什么
分数挑战失败时，玩家只知道“差了 320 分”。这个信息几乎没有用，他不知道是哪个动作不够好，也不知道该改什么。维度化的挑战可以给出更具体的反馈，因为系统本来就知道挑战由哪些部分组成。
比如玩家在上面那个挑战中失败了五次。系统可以告诉他：三次摔在上杆，进入角度偏大，板子没有完全横过来；两次摔在出杆之后，shove-it 转得不够，落地时板子没有回正。玩家据此可以先去一根更矮的扶手单独练 frontside boardslide 的上杆，再回来完成整个挑战。反馈只描述玩家的动作和结果，不暗示系统会降低难度，也不在他连续失败后偷偷放宽判定。
失败信息还会写回挑战系统。如果很多玩家都在同一个环节失败，说明这个挑战的校验阈值可能偏乐观，需要调整；如果某个玩家总在同一个维度失败，那正是下一次挑战应该帮他补的方向。在im体育的AI滑板设计里，我们更希望挑战像一个会看你滑板的朋友，指出你哪里差一点，而不是一块只会显示分数的计分牌。
