碰撞驱动：三种新方法探索游戏敌人形态的自动生成

快讯：游戏敌人也能“进化”出身体？AI 研究开辟 PCG 新方向

尽管程序化内容生成（PCG）在游戏关卡、地图和道具生成上已有大量研究，但敌人的自动设计——尤其是敌人的“形态”（morphology），即身体结构和碰撞体信息——却几乎是一片空白。近日，一篇来自 arXiv 的论文《An Exploration of Collision-based Enemy Morphology Generation》提出了三种基于玩家碰撞信息的新型敌人形态生成方法，并证明它们的效果均不亚于从机器人形态生成领域借鉴的进化基线方法。

为什么关注“碰撞形态”？

在游戏中，敌人的外观和碰撞体决定了玩家如何与之交互：一个圆形敌人可能一碰就倒，而一个带尖刺的方形敌人则需要更精确的躲避。传统 PCG 多聚焦于敌人的行为或外观纹理，但形态本身——即构成敌人“身体”的基本几何形状及其碰撞属性——直接影响游戏手感与策略深度。机器人学中已有利用进化算法生成机器人形态的研究，但游戏领域的相关探索极少。

三种方法：各有千秋

研究团队设计了三种基于玩家碰撞信息（如击中位置、频率、力度）的生成方法，每种都有独特优势：

方法一：碰撞热力图驱动：统计玩家与敌人碰撞的空间分布，将高频碰撞区域转化为形态“膨胀”或“强化”部分，低频区域则收缩。该方法生成的敌人形态与玩家行为高度吻合，但可能过度拟合特定玩家风格。
方法二：对抗式形态进化：将玩家碰撞数据作为“攻击信号”，让敌人形态在进化过程中最小化被击中的概率。这种方法能生成更“狡猾”的敌人，但计算成本较高。
方法三：混合式生成：结合前两者，先通过热力图确定形态骨架，再通过进化微调。结果在适应性和多样性之间取得了较好平衡。

结果：超越机器人基线

为了验证效果，研究团队将三种方法的结果与一个从机器人形态生成领域改编的进化基线进行对比。基线方法使用简单的几何体堆叠和随机变异，而所有三种新方法在碰撞适应性、形态多样性和生成效率上均达到或超过了基线。其中混合式方法在综合评分上最优，而对抗式方法生成的敌人最“难缠”。

行业意义与未来方向

这项研究为游戏 PCG 开辟了全新维度。未来，开发者可以利用类似系统动态生成敌人，根据玩家历史碰撞数据自动调整敌人形态，实现个性化难度调节——例如，对总是远程攻击的玩家生成更多盾形敌人，对近战玩家生成更多尖刺敌人。此外，该技术也可用于非玩家角色（NPC）的碰撞体设计，甚至延伸到物理模拟游戏中的道具生成。

当然，目前研究仍处于学术验证阶段，实际游戏集成还需处理性能优化、美术风格统一等问题。但可以预见，“形态即玩法”的生成式设计将成为 AI 游戏开发的下一个热点。