# 论文精读：Procedural Content Generation through Quality Diversity

知识条目：KB-P02 · 核读日期：2026-09-12 · 适用对象：HEX TRAILS 关卡生成、候选库、筛选与评审工具。

**最有用的结论：生成器应保留“不同体验类型中各自优秀的关卡”，而不是用一个总分把全部候选排队。** 论文为这种候选库提供方法框架；把它应用到长路巡游、轻巧反差和花瓣路线，是本项目的设计推论。

## 1. 文献身份与阅读范围

Daniele Gravina, Ahmed Khalifa, Antonios Liapis, Julian Togelius, Georgios N. Yannakakis. *Procedural Content Generation through Quality Diversity*. 2019 IEEE Conference on Games (CoG). DOI：`10.1109/CIG.2019.8848053`。arXiv 初次提交日期为 2019-07-09。[元数据](https://arxiv.org/abs/1907.04053)

本次逐页阅读了[作者提供的 8 页 PDF](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf)，并与[作者全文 HTML](https://antoniosliapis.com/articles/pcgqd.php)交叉核对；渲染检查了包含图 1–5、表 I 的 PDF 第 4–6 页。以下页码指该 PDF 的物理页序，从首页算第 1 页，不能直接套用到重新排版的版本。

它是一篇**方法综述与研究方向论文**：归纳已有 QD 算法及游戏应用，论述优势、解释性与开放问题。它没有报告一项新的 1000 关量产实验，没有研究箭头消除游戏的难度曲线，也没有给出长期留存或玩家满意度的因果证据。文中的个案数值是作者转述所引研究，不能归为这篇综述自己的统一对照实验。

本条目采用三个标签：**[论文]** 表示原文论述或转述；**[解读]** 表示对方法适用边界的分析；**[项目建议]** 表示需要在 HEX TRAILS 中实现、验证的方案。

## 2. 可复用摘要

**[论文]** QD（Quality Diversity）同时处理“内容是否达到质量要求”和“内容在行为上有哪些不同”。它可以通过行为特征划分空间、在相似候选间保留更优者，也可以通过行为距离鼓励新颖性。可解性等硬约束与局部质量竞争是两种质量控制方式。MAP-Elites 是其中一种算法，PCG-QD 是更宽的程序化内容生成方法类别。[§II，PDF 第 1–3 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=2)

**[论文]** 作者认为，一次搜索保留许多不同的合格内容，有利于批量产出、人机协作、观察生成器能够覆盖哪些类型，以及帮助设计师理解结果。效果依赖行为特征、质量指标、约束和评价器的定义；高维空间、分箱粒度、特征依赖及仿真成本都是问题。[§III、§V，PDF 第 3–4、7 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=3)

**[项目建议]** 对 1000 关最有价值的用法，是建立可以按体验挑选的候选档案。先确保规则与解法成立，再分别保存“直接长路”“清挡放行”“一次旋转反差”“有形状的长路”等优秀样关。关卡次序、难度波动和真人体验校准应由额外流程完成，不能把档案格子的排列直接当成玩家关卡顺序。

## 3. 全文阅读定位

| 位置 | 原文内容 | 本条目取用的知识 |
| --- | --- | --- |
| 第 1 页，摘要、§I、§II 开头 | 质量与多样性的动机；QD 与只寻找最优解的区别 | 数量和参数差异不能直接代表可感知变化 |
| 第 2 页，§II-A/B/C | 行为距离、行为分区、局部竞争、约束；ME、ME-NOV、MESB、CNS | 分开定义“好不好”与“是哪一类” |
| 第 3 页，§II-C 后半、§III-A/B/C | CSS、CME、NS-LC、SS-LC；批量效率、评价函数、表达范围 | 算法选型；避免把 fitness-free 解读成不需要质量判断 |
| 第 4 页，§III-C/D/E、§IV-A/B；图 1、2 | 可视化覆盖、人机协作、解释性；图像与弹幕案例 | 档案空洞诊断；不同表现不必争同一个最高分 |
| 第 5 页，表 I、图 3、4、§IV-B 至 F | 各应用的质量/多样性定义；Mario、卡组、地图建议 | 特征应与实际玩法对应；仿真指标有条件性 |
| 第 6 页，图 5、§IV-F 至 J、脚注 1 | 武器、飞船、方块建筑、地牢、案例讨论 | 算法 surprise 与玩家惊喜的区别；可解释性尚非充分验证结论 |
| 第 7 页，§V、§VI、参考文献开头 | 高维、粒度、代理模型、不同风格的测试代理；结论 | 多策略验证、控制评价成本、限制指标维数 |
| 第 8 页，参考文献 | 所引方法与应用的原始文献 | 后续追读入口；本次未冒充已全文阅读这些被引论文 |

## 4. 五个必须分清的概念

### 4.1 质量与行为特征

**[论文]** 质量回答某个候选是否符合要求、或在同类候选里是否更好；行为特征描述它属于哪种表现。两枚得分相同的候选仍可能值得同时保存，因为它们的行为不同。原文特征并不限于真实玩家行为：也包括空间结构、图像类别、卡牌费用分布等可计算描述。[§II，PDF 第 1–3 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=2)

**[项目建议]** “实际最长成功路径”“放行方式”“路线形态”“旋转阶段”适合描述体验类别；“能完整清盘”“交叉与碰撞符合正式规则”“承诺的主爽点确实在回放出现”适合成为验收条件。难度可以先作为记录和编排标签，不必直接进入统一质量分。

例如，舒缓长路与多阶段清挡分别比较本类质量。若统一奖励“旋转越多、依赖越深、路径越长”，搜索可能让本来应该轻巧的关卡也变得繁重。

### 4.2 内容编码差异与体验差异

**[论文]** QD 的多样性机制强调行为空间，不等于仅检查基因编码是否不同。案例也显示，特征选取会直接决定系统眼中的“不同”：Sentient Sketchbook 用不同格子数量；Mario 场景用代理回放实际触发的机制。[§II-A、§IV-C/E，PDF 第 2、5 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=5)

**[项目建议]** 换颜色、改种子、移动一段未使用装饰线，都可能改变文件，却不改变玩家体验。候选去重应同时检查结构同构、放行关系与实际回放表现。把棋盘、棋子和箭头整体一起作对称变换，可能只是同一体验的变体；只旋转底盘会改变本游戏的出路，不能按同一种等价变换误删。

### 4.3 可行与有趣

**[论文]** 可行性通常由硬约束决定，例如地图是否可通行、脚本是否合法、代理能否完成。部分方法再在可行候选之间比较质量。[§II-B、§IV-J，PDF 第 2、6 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=6)

**[解读]** 一个代理找到解，只证明在其规则模型与动作定义下存在已找到的完成过程。它没有证明玩家能理解线索，也没有证明行进值得看完。搜索超时不能直接当作无解；把超时当无解会连带扭曲档案覆盖率。

### 4.4 算法新颖性、算法 surprise 与玩家惊喜

**[论文]** Novelty 依据与已存在行为的距离；surprise 可以依据当前结果偏离过去种群趋势预测的程度。武器案例用过去两代死亡位置热图作预测，奖励偏离预测的位置分布。[§II-C、§IV-F，PDF 第 3、6 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=6)

**[解读]** 这里的 surprise 没有测量玩家第一眼的判断。因此，不能声称采用 CSS 就会自动生成“看似棘手，一转就通”的关卡。

**[项目建议]** 轻巧反差至少需要两条独立证据：结构上确有很短的放行操作；玩家观看开局后确实预期它更难。前者可以由模型验证，后者需要试玩提问或行为观察。两者不要合成一个未经标定的“惊喜分”。

### 4.5 表达范围与关卡难度曲线

**[论文]** 表达范围描述生成器能产出哪些样式，特征图可以暴露集中区域、空洞及指标偏置。[§III-C，PDF 第 3–4 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=4)

**[项目建议]** 档案回答“我们有多少种可用体验”，主线编排回答“玩家接下来应遇到哪种体验”。前者覆盖均匀，不代表后者应平均投放，也不代表玩家的学习负担应逐关线性上升。

## 5. 算法应怎样理解与选择

下表是对 §II-C 的简化归纳，详细定义见 [PDF 第 2–3 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=2)。右栏全部属于项目建议，并非论文针对本游戏的结论。

| 方法 | 论文中的核心机制 | HEX TRAILS 的考虑 |
| --- | --- | --- |
| MAP-Elites（ME） | 特征分箱，每箱保留质量最好的个体；从档案选择父代继续变化 | 适合做第一版可浏览候选档案；先定义少量有设计意义的坐标 |
| ME-NOV | 用新颖性影响父代选择，让搜索偏向较少探索的行为 | 当候选持续挤在相近区域时，再评估是否需要 |
| MESB | 按已生成个体的特征分布重新调整箱边界 | 有助处理分布不均；边界变化会影响跨批次统计，应保存版本 |
| CNS | 分成可行与不可行种群；可行者追求新颖，不可行者接近可行或同样追求新颖 | 有价值的半成品不能直接入主线，可以放在独立修复池 |
| CSS | 可行/不可行分流，可行种群追求偏离预测的行为 | 暂不以此实现人的轻巧反差；两种 surprise 的定义不同 |
| CME | 每个特征箱内分别保存可行与不可行种群，兼顾局部质量与修复 | 若花瓣路线稍改即破坏配对或可解性，可考虑保留接近合格的变体 |
| NS-LC | 同时奖励行为新颖性和胜过附近候选的质量 | 需要可信的行为距离；不同路线类别不宜随意赋数计算欧氏距离 |
| SS-LC | 用偏离预测与局部竞争结合，可再混合 novelty | 没有证据表明它应成为本项目首选，先用可解释基线 |

**[论文]** 标准 ME 的基本过程是：初始化候选 → 评价质量与特征 → 找到所属箱 → 空箱直接保存，已有候选则只保留更优者 → 从档案抽取父代并变异或交叉 → 继续评价与替换。[§II-C1，PDF 第 2 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=2)

**[项目建议]** 初版可以先把现有候选按特征分类、筛选、可视化。这能验证特征是否有用，但若没有从档案选父代并持续搜索，应称为“借鉴 QD 的分类候选库”，不要声称已经实现完整 MAP-Elites。

## 6. 图表、个案和数值到底证明了什么

| 证据位置 | 实际内容 | 可以借鉴 | 不能推出 |
| --- | --- | --- | --- |
| 图 1，第 4 页；§IV-C，第 5 页 | 图中展示六个二元特征的 Mario 机制热图；案例正文称完整实验使用八个机制、256 个箱，平均约 100 个箱生成了关卡 | 检查特征依赖与不可达组合；热图用于诊断生成器 | 不能将图中 64 种组合当作正文完整的 256 格档案；不能把约 100 格解释为 100 名玩家或 100 个优质整关 |
| 图 2，第 4 页；§IV-B，第 4–5 页 | Talakat 弹幕脚本，采用代理熵、代理风险和子弹分布作特征，以 A* 检查可玩性 | 同一游戏内可以保留运动表现不同的内容 | 三张图不证明玩家满意度或主线节奏；“密集”不自动等于“更难” |
| 图 3，第 5 页；§IV-C | Mario 片段按代理回放触发机制分类，局部质量偏向简单且可完成 | 可以按实际放行/行进事件描述关卡，而非只数静态元素 | 没有证明一个参考代理代表所有玩家；片段生成不同于完整战役编排 |
| 图 4，第 5 页；§IV-E | Sentient Sketchbook 左侧设计画布、右侧候选建议；从用户草图开始生成 | 让设计师能在明确的初稿基础上挑选变化 | 单张界面图不构成设计效率提升的统一用户实验 |
| 图 5，第 6 页；§IV-F | 两种自动生成武器；surprise 使用模拟死亡位置偏离预测 | 评价行为而非仅外观，保持可用约束 | 不能把该 surprise 直接译成玩家的“啊哈体验” |
| 表 I，第 5 页 | 横向列出不同应用的算法、发散机制、质量机制、特征定义 | 同一框架下，各品类需要不同的质量和特征 | 没有跨应用可比的“统一质量分”或算法总排名 |

以上均来自[论文 PDF 第 4–6 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=4)。三个容易误用的数字也需单独记录：

- 图像/物体案例的 **1000** 是分类网络的类别数，和本项目的 1000 关目标无关（§IV-A，第 4 页）。
- Hearthstone 案例用 **200 局游戏**中的生命差来评价卡组，并用费用曲线的均值与方差描述多样性。这是该案例的评估设计，不是本项目每关必须模拟 200 次的标准（§IV-D，第 5 页）。
- 脚注比较 Sentient Sketchbook 中“6 个线程各产 1 个建议”和 CNS“1 个线程产 6 个建议”。它说明候选批量复用的机会，不是本论文给出的通用 6 倍运行时间加速结论（第 6 页，脚注 1）。

## 7. 适用边界与需要主动防范的误读

**[论文]** 高维行为空间难覆盖；箱太细会稀疏，箱太粗会隐藏差别；作者讨论了潜在空间、Voronoi 分区和仿真代理模型等方向。多风格测试代理被提出用于检查内容是否按预期被体验。[§V，第 7 页](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf#page=7)

**[解读]** 下列限制尤其影响我们的决策：

1. **指标依然决定盲点。** 名为 *Fitness-Free Search* 的小节并未取消质量定义；许多算法仍使用约束和局部质量比较。减少对一个全局目标的依赖，不等于算法会自行判断好玩。
2. **空箱不全是坏事。** 它可能来自规则不允许的组合、特征互相依赖、分箱不合理，也可能只是搜索不足。应分别标明“确认不可行”“尚未找到”“已有合格候选”。
3. **批量效率是方法动机，不能套成固定性能承诺。** 本文没有以同一任务、同一计算预算把全部方法重跑并给出统一胜负；每个关卡的仿真仍可能昂贵。
4. **可解释性是部分能力与研究方向。** 作者在 §IV-J 明确指出，所综述案例中还没有项目把解释性作为明确目标来研究；特征图本身不是“设计师理解已被证明提升”。
5. **2019 年的横向论述不是今天所有算法的能力上限。** 文中对机器学习生成、构造法或声明式方法多样性控制的概括应放回当年的语境；本条目不据此宣称其他生成方法都无法做到多样化。
6. **发表范围没有覆盖移动消除游戏的长期曲线。** 免费试错、连续点击、动作动画、碎片时间、广告节奏、1000 关留存均不是本文验证对象，不能用学术引用替代这些体验研究。

## 8. 转换为 HEX TRAILS 的制作规则

以下均为 **[项目建议]**，与[新版关卡设计准则](../level-design-principles-v2.md)衔接。论文提供方法启发，不提供这些配置的验证结果。

### 8.1 三层评价，避免长路等同于难度

| 层次 | 初版记录 | 如何使用 |
| --- | --- | --- |
| 正确性 | 数据合法、正式规则下的清盘解、碰撞与轨道一致性、求解是否触顶 | 不合格候选不进入玩家关卡；未确定单独存放 |
| 体验类型 | 实际成功路线长度/弯数/空间形态，主放行方式，主奖励出现阶段 | 进入相应候选档案；用来保持变化 |
| 本类质量 | 主爽点兑现、因果可读、运动可跟随、重复操作负担、真人反馈 | 在同类候选中比较，保留回放和评审理由 |

“长路、低前置负担”是一种值得保存的类型；不能因为操作简单就在统一困难度排名中被淘汰。花瓣轮廓只证明形状存在，仍要检查玩家实际放出的棋子有没有走过构成花瓣的路径。

### 8.2 先做少量可解释档案，再扩维

可以先按主放行方式分库，例如直接通行、清挡通行、旋转换路、分阶段组合；每个库先用两个坐标浏览，例如“实际主路径长度带 × 前置动作负担”。路线形态、反差意图、盘面密度等先做筛选标签。具体分界应来自已审核样关分布，当前不固定未经校准的阈值。

若把所有标签做笛卡尔积，会产生大量没有设计意义或规则上不可达的格子。也不要为了填满图表而制造不符合核心体验的关卡。

### 8.3 同一几何可以成为不同关卡，但要有不同的体验证据

花瓣骨架可承载直接巡游、外围清挡后放出主瓣、一转接通内向长路等不同意图。保留变化时应写明：关键棋子、放行条件、成功路径、奖励顺序分别改变了什么。只换配色或旋转截图，不足以证明新增一关的价值。

反过来，两种外形不同的棋盘也可能具有几乎相同的“全部能点就点、转一次、全部清空”节奏。结构档案和回放摘要应能发现这种重复。

### 8.4 评价回放要覆盖多种合理操作

至少区分顺手点击畅通棋子、主动追求长路、优先清挡、尝试旋转等策略。对每种策略分别记录：是否清盘、主长路是否出现、关键反差是否被直接绕过、奖励在何时兑现。策略和样本数量需随验证成本确定，不能从本文借一个固定次数当作充分性保证。

若正式运行时支持快速点击、输入队列或并行动画，仿真与体验评审要体现相同的规则。输入屏蔽或动画调度造成的耗时，不能直接算成关卡的推理难度。

### 8.5 候选库与主线编排分别验收

候选库验收“不同类型中有没有足够好的选择”；主线验收“连续游玩时有没有学习、变化与舒缓”。先维持可用类型库，再从中编排短序列试玩。先前 1000 关方案中的难度数量、长路比例和章节长度仍是待验证假设，不能因为引入 QD 而升级为研究结论。

## 9. 后续可以直接引用的设计卡

| 知识卡 ID | 可直接使用的规则 | 验证问题 |
| --- | --- | --- |
| QD-01 | 正确性、体验类别、本类质量分别记录 | 高难标签是否正在替代“好玩”的判断？ |
| QD-02 | 按实际回放区分关卡，不能只比较种子与截图 | 两关带来的放行与巡游过程到底哪里不同？ |
| QD-03 | 在每个体验类型内部保留优秀候选 | 舒缓长路是否被困难度总分挤掉了？ |
| QD-04 | 反差要有结构证据和玩家预期证据 | 我们测到的是算法偏差，还是人的惊喜？ |
| QD-05 | 档案空洞先诊断，不急于补齐 | 是搜索不足、指标冲突，还是本来不值得生成？ |
| QD-06 | 主奖励用多种合理点击顺序验证 | 只有参考解能看到花瓣巡游吗？ |
| QD-07 | 记录候选来源、变体关系、淘汰原因与指标版本 | 修改评分后，能否解释哪些候选为何消失？ |
| QD-08 | 内容多样性与连续关卡节奏分别设计 | 单关都合格，连玩十关是否仍然重复？ |

建议首先做一个小规模对照：使用相同候选生成预算，比较“现有单分筛选”和“按体验分类、类内挑选”。由盲评检查核心爽点兑现、可感知差别及可读性，并记录合格数量与人工筛选时间。此实验属于项目验证方案，尚未执行；它比先把完整进化算法搬进工程更能检验 QD 思路是否解决了眼前问题。

## 10. 来源与待追读范围

- **全文来源**：[作者 PDF](https://antoniosliapis.com/papers/procedural_content_generation_via_quality_diversity.pdf)、[作者 HTML](https://antoniosliapis.com/articles/pcgqd.php)。两者是同一篇论文的不同载体，不算两项独立研究。
- **文献身份核对**：[arXiv 元数据](https://arxiv.org/abs/1907.04053)、[作者文献条目](https://antoniosliapis.com/publications.php?bib=gravina2019pcgqd#gravina2019pcgqd)。
- **后续追读候选，未在本次冒充全文读过**：参考文献 [12] MAP-Elites 原始方法、[19] *Intentional Computational Level Design*、[39] *Empowering Quality Diversity in Dungeon Design with Interactive Constrained MAP-Elites*、[49] *Procedural Personas as Critics for Dungeon Generation*。引用其具体实验结论前，应另立条目核读原文。
- **检索审计**：[本条目来源记录](../../exa-results/level-design-2026-09-12/paper-qd-sources.json)。本流使用 Exa 搜索 1 次、请求 5 个候选结果；实际全文核读的是 1 篇论文，而不是 5 篇论文。