2026-0115-1030 gdc - Authored vs. Systemic - Finding a Balance for Combat AI in Uncharted 4

Slip-box

To be fleeting notes

Fleeting

To be literature notes (Understanding)

L-Origin

https://www.youtube.com/watch?v=G8W7EQKBgcg

这份 GDC 演讲由顽皮狗（Naughty Dog）的游戏设计师 Matthew Gallant 主讲，详细解析了《神秘海域 4：盗贼末路》（Uncharted 4: A Thief's End）在战斗 AI 设计上的演变。

核心挑战在于：如何在保持顽皮狗一贯的高度定制化（Authored） 战斗体验的同时，引入更多系统化（Systemic） 的机制，以支持该作中更宽阔的关卡、垂直战斗和潜行玩法。

第一部分：背景与失败的尝试

1. 前三代的作品逻辑：高度定制化 (02:18 - 05:29)

• 区域限制 (Zoning)：设计师为每个 NPC 划定绿色的圆柱形区域。NPC 只能在区域内活动。
• 微操脚本：设计师必须预设所有细节。例如：如果玩家往左走，敌人 A 留在阳台；如果玩家往右走，敌人 A 跳下楼。这种方式在窄线性关卡效果极佳，但在大型关卡中工作量巨大且极易出错。

2. 《神海 4》的新挑战 (05:29 - 07:57)

• 宽线性关卡：如马达加斯加场景，传统的区域脚本无法覆盖所有路径。
• 动态潜行循环：玩家可以从战斗切回潜行，AI 需要有寻找玩家的行为。
• 同屏人数翻倍：从 PS3 的 8 人增加到 16 人，需要更高效的分配方式。

• AI 基础模块

• posts 是自动生成的（类似 tactical point）
  

3. 早期失败的尝试 (13:43 - 23:42)

• 强行锁定射程：试图通过让步枪手和手枪手始终保持在特定距离来防止聚堆。结果：NPC 变得极度不稳定，玩家一动，AI 就疯狂跑位寻找新点位。
  

• 纯算法评估 (Connectivity & Vantage)：试图让程序自动识别门口或高地。结果：在有机自然的环境（丛林、岩石）中失效，且导致所有战斗同质化。
  
  
  

• 基于“热度”的搜索 (Heat-based Search)：AI 寻找“最久没看过”的区域。结果：AI 行为看起来不像人类，会频繁在拐角处突然转身，让玩家在潜行时感到极度沮丧。

第二部分：成功的解决方案（平衡之道）

1. 硬点系统 (Hard Points) (25:02 - 27:40)

• 概念：它是独立于 NPC 存在的“虚拟点位”，拥有名称、区域范围、最少/最多分配人数。
• 优势：实现了动态交接。当后方援軍赶到时，他们会自动接管守护大门（硬点）的任务，从而释放之前的 NPC 冲向玩家。这一切都是系统自动完成的，无需手动写脚本。

2. 战斗角色 (Combat Roles) (27:40 - 32:33)
   Gallant 借鉴了《吃豆人》（Pac-man）的 AI 逻辑，将敌人分为三层：

• blinky
  • chase the player's current position
• pinky
  • head off the player's future position
• clyde
  • holds down his corner of the maze

• 交战者 (Engagers)：像红鬼 Blinky，贴脸紧跟玩家。
• 伏击者 (Ambushers)：像粉鬼 Pinky，预判玩家路径并提前卡位。
  
• 防御者 (Defenders)：像橙鬼 Clyde，坚守硬点（如狙击位或出口）。

3. 射击频率管理 (Shooter Role) (36:11 - 38:16)

• 如果 10 个 NPC 同时开火，玩家会秒死。团队引入了“射击者令牌”，限制同时开火的人数（通常为 3-4 人）。
• 包装细节：没拿令牌的 NPC 会躲在掩体后观察或谩骂，让玩家觉得他们只是在寻找时机，而不是智障。

4. 路径循环搜索 (Spline Loops) (38:16 - 40:07)

• 解决搜索不可预知的问题。设计师在地图上手绘路径（Spline）。AI 沿路径走动并偶尔偏离去检查掩体。这让 AI 的动向可预测，赋予玩家潜行反杀的机会。

5. 经典技巧回溯 (40:07 - 44:28)

• 手榴弹导演：如果玩家在一个掩体待得太久，系统会强制指派一名 NPC 扔雷，逼迫玩家移动。
  

• 侧翼包抄 (Flankers)：系统选择当前无所事事的 NPC，计算避开玩家视线的路径进行包抄。
  

• 准度爬坡 (Accuracy Ramping)：NPC 发现玩家后，准度会随时间提高。这鼓励玩家保持敏捷，而非原地对射。

• limitation
  
  

核心结论与 takeaway (47:57 - 结束)

1. 不要通过算法去反向推演设计意图：直接让关卡设计师在地图上标注哪些地方是“高地”或“出口”，比写复杂的算法去识别要高效得多。
   
2. 从玩家视角设计行为：AI 不是为了“自嗨”，而是为了给玩家提供有趣的博弈。搜索行为必须让玩家能预判。
   
3. 角色化设计，程序化指派：设计师定义“角色”，程序根据距离和武器动态指派 NPC 去扮演这些角色。
   
4. 数量众多的 NPC 必须各司其职：不要让 16 个人都像踢足球的孩子一样追着球（玩家）跑，外围的人必须有包抄或防守的目标。
   

总结：顽皮狗通过“硬点”和“角色”机制，在保持电影化叙事体验的同时，解决了开放式场景带来的复杂度问题。

L-My Words

L-Zotero citation key

To be permanent notes (Complete Ideas)

P-Self Explained Sentences

P-Connection

• relations or differences with other knowledge - 与其他知识的联系或区别
• Parent
  • Caused by::
    -
  • Driven by::
    -
  • Cite from::
    -
• Child
  • Excalidraw::
    -
  • Is source of::
    -
  • Including::
    -
  • Have Example::
    -
  • Contributes to::
    -
  • Consist of::
    -
• Friend
  • Left
    • Achieved with::
      -
    • Affected by::
      -
    • Supported by::
      -
    • Enhanced by::
      -
    • related::
      -
  • Right
    • against::
      -
    • Opposites::
      -

P-SlipBox

• 将笔记放入对应卡片盒

• 添加双链