玩家最喜欢在扶手做什么动作,AI滑板系统为什么应该记住?
以一个设计示例说明:玩家在九级直杆扶手上反复做 backside boardslide,成功率已经稳定,系统却还在重复同样的挑战。im体育滑板研究组把问题拆成五层:城市层记录玩家主动回访的地点;Spot 层把成功记录挂在扶手高度、长度…
im体育AI滑板栏目关注的是城市、Spot和动作之间的关系。一座滑板城市好不好玩,不取决于街道有多少条,而取决于玩家推几下板就能碰到一段值得滑的扶手、台阶或斜台,并且能把它们连成一条顺畅的线。这里收录im体育滑板游戏研究组关于挑战生成、城市生成、城市设计和动作推荐的设计笔记,讨论的都是玩家在街头真正会遇到的问题。
一个玩家连续几十次在同一类扶手上做滑杆动作,说明他喜欢、也熟悉这个动作。如果系统接下来还是给出“在这根扶手上做一次滑杆”,挑战就失去了意义。在im体育里我们倾向于记录玩家的动作习惯,然后逐渐加入更长的扶手、不同的进入角度、前后连招和更难的落地区域。
挑战生成必须理解Speed、Takeoff、Rail、Landing、Player Skill和Combo,确保生成出来的要求真的做得到。完整讨论见玩家最喜欢在扶手做什么动作,AI滑板系统为什么应该记住。
“再多拿500分”是最容易生成、也最快让人厌倦的挑战。分数通胀之后,玩家只会重复同一套高分连招刷数值。更有意义的变化来自四个维度:地点、进入角度、动作组合和落地区域。换一个地点,同样的动作要面对不同的助跑距离;换一个落地区域,同样的连招需要不同的收尾。
同时,挑战不能是把两个动作名称随机拼在一起,生成之后要校验物理上能否完成,失败时也要告诉玩家差在哪里。具体见AI滑板挑战为什么不能只是把同一个动作要求变得更高分。
程序化生成可以很快造出大量街区,但随机的建筑、随机的台阶,往往组不成一条可连续滑行的路线。Unreal Engine 5.7的PCG框架已经进入正式可用阶段,工具层面的效率提升很明显,可通用的PCG并不知道一段台阶之后需要多少平地才能落稳、一根扶手前面需要多长的助跑。
im体育的做法是按路网、Spot密度、进入速度、连线和回流这几个层次生成,让世界生成先理解滑板这项运动本身。详细内容在AI生成滑板城市真正难的不是多造几条街。
官方滑板公园的每个设施都是为滑板准备的,街头则不同:扶手原本是给行人用的,台阶旁边可能有人坐着,路口会有车经过。两种环境需要不同的生成规则,公园讲究密度和节奏,街头讲究发现感和随机的小障碍。这几项的展开讨论见一个好玩的滑板城市到底需要什么。
一直考玩家已经会的动作,会让他停在舒适区;过早推荐跳级的高难动作,又会让他反复失败后放弃。我们的设计是看落地成功率、尝试次数和放弃行为,识别玩家是否进入了“熟练平台期”,再推荐技能树上相邻的动作,而不是直接跳到最难的那一个。
推荐可以被拒绝。玩家就是想把一个动作练到极致,这也是合理的选择。相关设计写在AI什么时候应该给玩家推荐新动作。
以一个设计示例来说:系统观察到某位玩家在广场区域的中等长度扶手上,滑杆动作的落地成功率已经很高,但他几乎没有尝试过从侧面斜向进入。下一次生成挑战时,系统选择了广场另一侧一根稍长、带轻微下倾的扶手,要求从侧向进入,滑杆后接一个简单的翻板落地。
生成之前,系统会检查这根扶手前面的助跑距离能不能提供足够速度、落地区是否平整且足够长,以这位玩家当前的熟练度,这个组合是否处在“努力一下能做到”的范围。任何一项不满足,这个挑战就不会出现在玩家面前。
如果玩家尝试了七八次仍然失败,系统也不会简单地把要求降回原样。它会先看失败发生在哪个环节:是进入速度不够、滑杆中途掉下来,还是落地时板头压得太低。失败信息会直接告诉玩家问题出在哪一步,下一次生成挑战时再据此微调,比如换一根更短的扶手,保留侧向进入这个新要素,让玩家继续朝着同一个方向练习。失败本身也是系统了解玩家的重要信号。
EA与Full Circle的《skate.》在2025年9月16日开启免费抢先体验,以名为San Vansterdam的沙盒城市按赛季持续更新;同年7月发售的《Tony Hawk's Pro Skater 3+4》则延续了经典的关卡任务结构。两种思路各有玩家群体:一个强调自由探索的街头城市,一个强调清晰的目标列表。im体育想尝试的,是在自由城市里根据玩家自己的习惯生成目标。
这条路也有风险。系统如果过度迎合玩家,只推他已经喜欢的东西,城市里其他值得滑的地方就会被忽略;动作习惯数据属于玩家的游戏行为记录,收集和使用都需要说明清楚,并允许玩家关闭个性化推荐。我们会在im体育动态栏目里持续记录这方面的观察。
滑板城市在im体育里不是孤立的关卡,它和雪山、海岸、山地车路线同属一个世界,城市里的NPC滑手也有自己的训练和比赛安排。想看滑板城市如何连接到更大的地图,可以阅读im体育开放世界栏目;挑战生成背后的可行性校验,在im体育AI大模型栏目里有更完整的说明。
以一个设计示例说明:玩家在九级直杆扶手上反复做 backside boardslide,成功率已经稳定,系统却还在重复同样的挑战。im体育滑板研究组把问题拆成五层:城市层记录玩家主动回访的地点;Spot 层把成功记录挂在扶手高度、长度…
文章从一个模拟的失败街区讲起:建筑和设施都不少,但扶手落地区只有一米半,大理石 ledge 被长椅夹住没有助滑,Spot 之间隔着坑洼砖路,玩家找不到能连起来的 line。Unreal Engine 5.7 的 PCG 框架已经进入 p…
分数门槛式挑战会把玩家推向最安全、最好刷分的一段 ledge,不再尝试新扶手或新进入方式。im体育滑板研究组把挑战拆成四个维度:进入方式(平行或斜切、frontside 或 backside、flip-in、速度)、动作本身(50-50…
im体育滑板研究组认为,评价滑板城市要先看地面:混凝土、石材、小方砖、碎石的滚动阻力不同,决定玩家在 Spot 之间还剩多少速度。扶手、台阶、ledge、坡道各有可滑条件;Spot 间距以示例计约十五到三十米,需结合地面、坡度和出口速度…
im体育滑板研究组把新动作推荐拆成五步。先读熟练度信号:与 Spot 参数绑定的成功率、尝试次数与间隔、放弃行为和失败位置。再识别平台期:成功率稳定在高位、失败零散、玩家开始在 line 里频繁使用该动作;学习期不打断,卡住期则回退一步…
请留下您的联系方式,我们会尽快与您联系。