浅谈数学模型在UGC/AIGC游戏数值调参中的应用(AI智能体)

时间:2024-07-15 15:14:55

浅谈数学模型在UGC/AIGC游戏数值调参中的应用

ygluu 卢益贵

关键词:UGC、AIGC、AI智能体、大模型、数学模型、游戏数值调参、游戏策划

一、前言

在策划大大群提出《游戏工厂:AI(AIGC/ChatGPT)与流程式游戏开发》讨论之后就已完成本文的构想,现在才得以整理提出。

众所周知,无论UGC还是AIGC,都面临一个同样问题:复杂的参数调教和简单的人机交互(含AI)的矛盾。UGC毕竟他是U,没有B的强大实力,U肯定希望简单工作就能高效产出。同样,AI还不是完美的,AI也希望简单化以提升AI成品合格率,这和U的需求相吻合。

借旧图抛砖引玉:

本文将阐述以数学模型为基础提出简化数值调参的一些思路。

二、从音响系统的EQ调教说起

以3段EQ调频为例,提升高、中、低任意一个频点都会用数学模型来拉动相邻频点的提升,以达到频点缓和过渡的目的。

图2.1 三段EQ调频图

三、玩家等级升级经验值调参的数学模型设计

借助EQ频点提升的数学模型原理,我们可以用它来设计玩家等级升级经验值调参的数学模型。

图3.1 玩家等级升级经验值曲线图1(直线型)

根据图31,玩家等级升级经验值设置所需的维度只有4个:MinLv(最小等级)、MaxLv(最大等级)、MinUpExp(最小升级经验值)、MaxUpExp(最大升级经验值)。我们再参考EQ分段原理,引入段位维度Seg(Seq=3、5、7...),如图2.2、2.3所示:

图3.2 玩家等级升级经验值曲线图2(凹形)

图3.3 玩家等级升级经验值曲线图3(凸形)

如果经验值按10000递增话,这时再引入取整精度(Digit),如果图3.4所示:

图3.4  按取整精度获得每级升级所需经验值(200级阶梯值)

最终UGC或者AIGC调整玩家等级升级经验值所需的维度有:MinLv、MaxLv、MinUpExp、MaxUpExp、Seg、Digit,常用维度只有4个:MinLv、MaxLv、MinUpExp、MaxUpExp,次常用维度:Seg、Digit。

与传统的200级分别调整的情况相比要简单得多。

同理,玩家的攻防等属性值的调整也可以适用以上数学模型原理。具体公式就不列举了,有点数学基础的基本能实现。

四、BOSS战斗力调参的数学模型设计

我们可以借鉴图2.1,将BOSS的众多属性按攻、敏、防三类进行排序,如图4.1所示:

图4.1 BOSS战斗力调参设计

那么UGC/AIGC仅需调整BOSS的攻、敏、防三个维度的数值。

五、玩家战斗力调参的数学模型设计

玩家战斗力调参和BOSS就不一样了,BOSS是已知属性数值的,而玩家战斗力需要穿戴装备、成长线递进等才能形成最终战斗力。

图5.1 玩家战斗力调参设计

等级系统、装备系统、任务系统等各个子系统可以独立调参,当整体调参的时候也可以将所有子系统同时调参。那么UGC/AIGC调参维度远比人工要的维度要少得多。

六、数值爆表的防控

为防止数值爆表,我们可以使用图6.1所示的数学模型进行最大值防控。

图6.1 数值爆表的防控模型

七、可视化交互

无论是否进入游戏,所有被调整的数值都是无法可视化的,参考EQ的分段数学模型,UGC/AIGC调参的可视化交互界面如图7.1:

图7.1  UGC/AIGC调参的可视化交互界面

如果是UGC,用户可以直接推动五段滑杆。如果是AIGC,AI直接输出相应幅度值推动滑杆,这样AI的正确率远比直接修改200级的配置表来说高得多。

八、结束语

实际应用远比本文所述的要复杂得多,但UGC/AIGC对游戏调参的要求不变:

1、复杂事情简单做

2、抽象出数学模型

3、前2点做不到的就调整游戏的设计(因为你面对的是你无法改变的User和AI)

图8.1 抽象高度