8.1 KiB
补充研究：关卡顺序、玩家熟练度与难度估计
知识编号：P03–P04 · 更新：2026-09-12 · 标签：关卡编排 技能组合 难度模型 冷启动 玩家分群
两篇指定论文主要解决“怎样生成”和“怎样保持候选多样性”。本次通过 Exa 另找到两项直接讨论关卡编排、真人难度数据的研究，用来补足千关方案中的排序与验证环节。
P03：从解法特征组织关卡序列
Eric Butler, Erik Andersen, Adam M. Smith, Sumit Gulwani, Zoran Popović. Automatic Game Progression Design through Analysis of Solution Features. CHI 2015. DOI: 10.1145/2702123.2702330。
作者提供的论文。本次阅读正文的方法、生成、编排、实验、讨论与结论；下载 10 页 PDF 核对章节页位。此项为补充研究，不与两篇指定论文的逐图精读范围混称。
方法要点
作者不只记录关卡有哪些机制，还记录机制如何组合。对有程序化解题过程的问题，可用行动序列的 n-gram；对 Refraction 这种有多种摆法的空间谜题，用解法图中的小子图 graphlet 表示“转向器接分流器”等关系。还需要额外的数学关系图，以区分空间连接相同、分数要求不同的题。（PDF p.4–5）
编排时从多样的关卡库中选下一关，综合玩家接触/完成过的特征、设计者赋予各特征的权重以及当前目标负担。先修关系只形成偏序，不能靠一次拓扑排序就解决节奏：还需控制新概念、熟悉概念组合和练习的出现速度。作者可以重新给关卡打特征标签、重排，而不用重新生成所有布局。（p.5–7）
重要前提：该实验的生成器约束所有可能解具有相同的解法图，所以可用一条参考解提取共有特征。本游戏有旋转和不同释放顺序，尚无这个保证。我们只能明确区分“必经特征”“多策略常见特征”和“作者解独有特征”。（p.5）
实验到底证明了多少
线上实验共 2,377 名玩家，自动组 1,221 人，人工原版组 1,156 人。中位游玩时间分别为 184 秒、199 秒，所用检验未发现显著差异；完成谜题数中位数为 8 与 10，存在小幅显著差异，但两组题目不同，作者不认为它是理想的投入度比较指标。（p.7–8）
这支持“该框架经过调整后产生了可比较的短期游玩表现”，不能写成自动设计已经等效于人工设计，或已证明长期留存、千关完成率更好。作者明确指出缺少随机顺序对照，甚至不能据此确定编排本身对投入度贡献了多少。（p.8）
图 4 及讨论揭示了一个与千关特别相关的失败：概念耗尽后，自动系统连续选择非常相近的题，人工序列则更常出现较大的概念跳跃。作者提出减慢新概念消耗、惩罚连续相近题等改进方向，未把它们报告成已验证的最优策略。（p.8–9）
还需计算制作成本：作者指出，针对具体游戏实现这套系统往往比手工编排更费工；如果目标只是做出一款关卡顺序合理的游戏，是否受益仍不确定。自动化的价值应连同反复调优、重排与后续扩展来评估，不能仅凭“自动”就宣称省工。（p.9）
对本项目的可用建议
- 用“清挡 → 放行”“清挡 → 转盘 → 巡游”“转过去清理 → 转回来放行”等短组合描述认知内容；单纯记录本关出现过“旋转”不足以区分体验。
- 将关卡库与关号解耦，允许同一批关卡重排并比较效果。
- 编排器同时限制相邻相似度和新概念跳幅；只追求平滑，会滑向重复。
- 保留长路直接放行的舒缓关。本项目的目的包括观看与释放享受，不能照搬 Refraction 每关尽量引入未掌握挑战的约束。
P04：用真人与模拟数据校准难度
Jeppe Theiss Kristensen, Paolo Burelli. Difficulty Modelling in Mobile Puzzle Games: An Empirical Study on Different Methods to Combine Player Analytics and Simulated Data. arXiv:2401.17436，2024。
作者公开全文。本次重点核读 §3–9（案例、方法、数据、两组实验、讨论和结论）；没有复现实验，也未逐篇追读其引用文献。
实际研究范围
案例为 Tactile Games 的 Lily’s Garden，研究前 500 关。数据采集区间为 2021-06-01 至 2021-12-01，只包含期间开始游戏且玩过至少 200 关的玩家；因此不能用这份样本直接解释首日流失者。（§3、§5.1）
研究把难度操作化为完成关卡所需的尝试次数，比较随机森林、神经网络、因子分解机，输入包括历史结果、玩家特征、关卡静态特征及代理实际游玩的动态特征。还区分已有关卡数据和新关卡没有真人记录的冷启动场景。（§4–7）
在此样本中，约前 100 关包含较多教学与容易关，之后平均尝试次数在约 3.2 附近波动，个别难关仍有明显高峰。这是这个游戏、这批样本的观察值，不是所有解谜游戏应采用的目标。（§3、图 2）
对生产有用的结果与限制
- 新关卡的群体平均预测中，神经网络和随机森林使用代理、玩家与关卡特征组合表现较好；因子分解机加入全部特征则可能因过拟合变差。§6 的个体预测与 §7 的群体平均预测必须分别解读，不能用一句“某算法最好”覆盖所有场景。（§6–8）
- 代理通常比真人强，可能分不开真人眼中的容易与中等关卡。直接把代理当作真人补数据的尝试也没有得到理想结果。（§8.2、§9）
- 对新关卡，预测往往把简单关估高、难关估低，向均值收缩。单个精确预测值容易制造不必要的确定感。（§7）
- 作者仍认为设计者需要亲自玩，才能判断是否有趣、解法是否清楚；建议未来研究按时间窗口验证模型，以更接近真实上线后的预测。（§8.2）
对本项目的可用建议
本游戏试路和旋转免费，失误不等于重开。直接套用“平均重试 3.2 次”既不匹配规则，也不匹配体验目标。应先记录下列独立指标，再与玩家对难度、疲劳和愉悦的评价对应。
| 指标 | 解决的问题 | 不能直接推出什么 |
|---|---|---|
| 首次有效动作前的主动观察时间 | 开局是否找得到入口 | 长时间一定是困难；玩家可能在欣赏图案 |
| 无效试路、无收益旋转及连续发生的位置 | 哪处理解或反馈有问题 | 每次尝试都是挫败；试探也可能有趣 |
| 关键动作后的新可放行棋子 | 操作的因果回报是否清楚 | 解锁数量越多，质量越高 |
| 主动观看时长与输入受阻时长分开 | 长路奖励是否被实现成等待 | 所有动画时间应缩短 |
| 自然点击策略下关键路线的曝光 | 核心内容是否经常发生 | 抽样出现率等于全体真人概率 |
| 当前关完成后是否愿意继续 | 该段是否产生继续玩的动机 | 单关留存差异全由该关造成 |
先用人工基准关和简单的可解释分档，再用同熟练度玩家的实际数据校准。不需要一开始训练复杂神经网络。若以后做预测，按关卡版本、模板家族和时间留出测试集，避免同模板近似题泄漏到训练与测试两侧。
两项补充研究对千关方案的共同修正
“关号越后，结构分越大”不够；“结构分后半程保持不变”也不保证体感稳定。需要同时知道玩家学会了什么、最近见过什么、这关实际兑现什么奖励。
建议把下一关选择写成可解释的设计流程：先满足已教规则与目标体验，再筛掉连续重复、视觉过载和过量操作，最后从符合当前熟练度的候选中选取。先实现可审阅的离线编排；在线个性化作为有数据后再评估的选项。
这与PCG-QD的关系是：多样关卡库提供选择范围；编排器决定玩家走哪条内容序列；试玩校准判断这条序列是否真的合适。