HexTrails/docs/level-design-knowledge/02-pcgqd.md

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

本次逐页阅读了作者提供的 8 页 PDF，并与作者全文 HTML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

[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

[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

[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

[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

[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

[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

[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。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

[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。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

[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、作者 HTML。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、作者文献条目。
• 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。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。