机器之心编辑部报道

炉石传说哪个职业最imba?有人跑了一通AI模型,反正术士最弱

游戏的角色设计是一大学问,我们希望不同角色各有特色,但总体又是平衡的。但之前炉石等游戏,总会有玩家能钻游戏设计的空子,他们能找到强于其它组合的阵容,并发展成一套简单高效的策略。现在,进化算法也能用来评估角色属性的平衡了,用 AI 来设计游戏,说不定能大大提升可玩性。

炉石传说虽然被认为是运气成分最大的竞技游戏,但在每个版本之中总会出现最强和最弱的职业与卡组。对于玩家来说,游戏的公平性是其是否「好玩」的重要因素,但人类设计师对于卡牌与技能的增强和削弱,总会带来新的不平衡。

11 月 2 日,炉石传说特级大师赛冠军总决赛在暴雪嘉年华大会上结束,来自中国赛区 Valiant Knighthood 战队的 Liooon 斩获世界冠军头衔,并获得了高达 20 万美元的奖金。

作为首位登上暴雪嘉年华炉石全球总决赛的女选手,Liooon 初次登场便获得冠军引来了众人喝彩。在比赛中,她反常规地带上了一套宇宙猎用来克制其他决赛选手人手一套的心火牧,并最终取得了成功。

除了宇宙猎之外,Liooon 采用的其他卡组分别为:心火牧、异变萨、蓝龙德,她在半决赛以 3 比 2 战胜了 Casie,并且在决赛以 3 比 0 战胜了 bloodyface。

能够用恰当的牌组实现胜利,说明了 Liooon 对游戏牌组研究至深。但是,在《炉石传说》这样的高复杂性策略游戏中,保持角色的平衡是一项困难的任务。游戏中策略的多样化和定制化将衍生微妙复杂的游戏系统。在不破坏当前环境的情况下通过调整 2000 多张卡片来达到预期游戏效果非常困难。

在本文中,来自纽约大学游戏创新实验室(Game Innovation Lab)、新泽西理工学院吴鹰计算机学院以及其他几位独立研究者探讨了《炉石传说》中现有卡牌的变换对游戏策略的影响。

  • 论文:Evolving the Hearthstone Meta(2019 IEEE Conference on Games)

  • 论文地址:https://arxiv.org/abs/1907.01623v1

在这项研究中,研究者们分析了不同策略下不同牌组之间互相攻防的胜率,然后提出对发生变换之前和之后的表现进行比较,从而提升或削弱不同的卡牌。

之后,借助于进化算法,研究者探索牌组之间胜率同为 50% 时卡牌属性出现哪些组合变换。因此,他们接着将使用的进化算法扩展到多目标解决方案,同时对现有卡牌做出最小程度的变换,从而尽可能不影响游戏整体。最后,他们提出并评估了一些指标,从而得出哪些卡牌实现了预期的平衡变换。

什么是炉石传说

炉石传说是一款由暴雪游戏公司开发的集换式卡牌游戏,在 2014 年公开,其中有超过 2000 张卡牌。在游戏中,两位玩家相互出牌,目的在于将对手的生命值减少到 0。开局前,玩家选择 30 张牌,组成一副。这副牌是玩家在游戏中能够使用的牌组。在每轮抽牌的时候,牌随机从牌组中抽取。一般来说,玩家都希望能够抽取出一组牌的组合,这些组合能够最大限度地获胜。有时候,暴雪也会适当修改一些牌。这个游戏能够经久不衰,依然受到欢迎,无疑是因为暴雪的投入和对游戏的调整。

炉石传说的游戏一部分界面。

现在谈谈炉石卡牌的设计

有着无数移动的组件的游戏通常是复杂的系统。在这样的游戏中设计师需要提供很多游戏目标的选择,如牌、技能或装备,使得玩家可以用很多方式对这些目标进行组合。

然而,在竞赛类的游戏中,为了获胜,玩家通常会专注于收集特定的目标组合,使其获胜的概率最大化。在角色属性不平衡的游戏中,玩家会发现很多简单而不可战胜的策略,或者他们不再玩某种角色。这样的游戏会很快崩溃,使得有经验的玩家丧失兴趣。

正是因为炉石传说有百万玩家,因此新卡牌的公布和已有卡牌的修改会让玩家们很快发现角色属性不平衡的漏洞。即使是一张不平衡的牌也会让元游戏(metagame)——即受欢迎的牌组和对其他牌组的胜率,发生很大改变。

一个平衡的元游戏则能够让很多有竞争力的牌组相互对抗。虽然暴雪已经使用了结合深度领域知识、内部游戏测试和元游戏数值可视化的方法,但是在一个有着 2000 张卡牌的游戏中,他们依然需要计算工具进行辅助。本文便提出了相关研究。

AI 告诉你怎么设计炉石

那么机器学习该怎样帮助设计卡牌游戏呢?这篇论文探索了一些方法以计算集换式卡牌游戏的角色平衡,其主要关注的是《炉石传说》。这篇论文采用的方法当然同样也能应用于其它卡牌游戏,即玩家能从一大堆游戏物体中选择一些以构建自己的角色。

这篇论文讨论的游戏角色平衡主要分为三个方向。其中第一个方法基于简化假设,即一副牌组应该近似等价于其它牌组。对于第一个实验,研究者通过进化算法将一组卡牌的变换编码为独立的个体(进化算法中的 individual),其中好的变换表示两组牌有相等的胜率。这是一种单目标最优化问题,其中个体的适应度依赖于每组牌到底与 50% 的胜率有多近。

虽然在游戏发行后,我们为了达到角色平衡需要对复杂的游戏做一些改变,但即使卡牌有很小的改变都会对元游戏产生比较大的影响。此外,卡牌的这些改变通常要求玩家重新思考之前的策略,在《炉石传说》中,他们还需要获取尚未收集到的卡牌。

实验 2 是一个多目标最优化问题,它基本的思路与实验 1 是一样的,然而实验 2 会添加一个额外的目标函数以最小化卡牌角色的改变。最后实验 3 探索了针对特定纸牌的角色平衡效果,它关注单组卡牌,并首先排序卡牌以决定如果玩家打这副牌会有多大的胜率。

最后,在这篇论文中,研究者考虑的角色平衡主要有以下几个属性,算法会对其中一个或多个卡牌的属性进行增加或降低。

  • 消耗:打每张牌所需的魔法值;

  • 攻击:攻击是随从卡与武器卡的属性,它展示了每次攻击造成的伤害;

  • 生命:生命值是随从卡的属性,它展示了仆从在被摧毁前能承受多少伤害;

  • 耐久度:它是武器卡的属性,展示了武器能用的次数。

一般而言,魔法消耗的增加或攻击与生命值的降低是削弱,而魔法消耗的降低或攻击与生命值的增加是增强。一张卡牌有这些及其它一些属性定义,它们总体上遵循角色平衡的策略。如果算法能自动构建角色平衡的各种属性组合,那不就能帮助设计游戏了吗?

实验结果

虽然之前的一些方法探索了可能出现的牌组空间,并创建了有竞争力的牌组,本文研究了卡牌属性的微小变化对牌组元性能的影响,其中元性能是通过相对于其他进化牌组的平均胜率来衡量。

  • 实验 1 旨在通过进化搜索来最大化元游戏中角色的平衡,其中基因序列以整数向量的方式来表示卡牌的属性变化;

  • 由于游戏中玩家保持卡牌的一致性非常重要,实验 2 探索了保持元游戏中角色平衡的最小变化;

  • 实验 3 进一步将卡牌空间与需要削弱或加强的目标卡牌隔离开来,从而在保持元游戏角色平衡的同时使得变化最小。

此前,Fontaine 等人总结出了猎人、圣骑士、术士等职业的 12 个牌组,并在两个不同牌组的对决进化中运用到了攻击和控制策略。进化后的牌组可以使用基本级和经典卡牌。

然后,研究者决定评估 12 个牌组彼此之间的性能,以两两对决的形式衡量。如下表 1 所示,每组对决进行了 10000 次。有意思的是,启发式的游戏玩法对牌组性能具有重大影响:当利用了控制启发式(control heuristic)时,所有牌组表现更好。

12 个牌组在一万场对决中的比赛结果。

上表展示了仅考虑彼此对决时三个卡组的胜率。研究人员将这种由三个套牌或在随后实验中演变出的套牌进行比赛的方式称为「小自对弈」。原始的 12 个牌组被称为「原始元」。

表 2:在小自对弈中每个牌组的胜率。

进化算法对于炉石传说的理解似乎和目前大家理解的水平非常接近。这一研究的论文《Evolving the Hearthstone Meta》前一阵也在IEEE游戏会议(CoG 2019)上进行了宣讲。
不知未来的炉石传说中,术士能否摆脱垫底的命运?

入门游戏角色的平衡炉石传说
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

推荐文章
暂无评论
暂无评论~