即兴、大型模拟、 开放世界游戏玩法的关键

　　Jenner表示，即兴玩法(游戏邦注:即基于玩家行动而产生的行动)“对许多玩家来说，对沙盒非常重要”。《孤岛惊魂》的npc必须提供关于玩家行动、环境、火、野生动物等的反馈他以《孤岛惊魂》中的npc为例，特别是当它们不仅会对玩家的行动做出反应，还会对其他派系、野生动物甚至火灾做出反应时，这便“导致了真正令人困惑的效果，即最初状态的微小改变便会产生巨大的影响”。然而，开放世界动作游戏开发者需要注意的是另一种即兴玩法，比如大型战略游戏《文明》。在这些游戏中，整个世界都会根据玩家和AI的行动而改变，这些世界及其效果需要提前规划。虽然开放世界游戏注重实时玩法，但这些游戏可以在数小时内创造独特体验。玩家通常需要考虑那些在游戏后期才会奏效的行动。

　　Jenner说道:“每一款游戏都是以不同的方式进行着不可预测的，因为我们需要通过许多复杂的方式去与不同的动态和静态组合进行互动。

　　当我们允许行动持续很长一段时间时，策略和模拟游戏便能够向我们展示来自世界系统的即兴游戏玩法，并通过高级规划引导NPC行动。如果我们能够在一个开放的世界中执行一个类似的系统，我们便能够创造一个能够随着玩家的行动而改变并适应的世界，并在他们每次进入这个世界时都能够提供给他们新的挑战和机遇。Jenner的提议是为玩家创造小规模的本地即兴游戏玩法模拟，将他们与更大的世界模拟联系起来，以保持行动的连续性。例如，当玩家回到之前访问过的地方时，它可以反映出他们上次在那里发生了什么。但如何?为了探索这个问题，Jenner比较了开放世界动作游戏和大型策略游戏的不同模拟需求。詹纳会很小开放世界被定义为一个被限制在一个小区域内的世界，在这里玩家可以与几个能够对玩家行为做出反应的npc进行互动。在这样的世界中，模拟必须具有响应性和准确性，因为结果对玩家来说是立即可见的。在这些情况下，即兴发挥是不同游戏系统合作创造动态和不可预测环境的结果。然而，拥有大量系统会让世界变得更加复杂，因为每个系统都在不断变化。

　　例如，AI需要理解周围的世界，并根据玩家的行动、其他AI和世界中的动态对象决定下一步该做什么。AI驱动动画，动画的当前状态反馈给AI以控制可能的动作和动画。这些物理系统会反馈到动画和AI中，阻止玩家进入动态世界，并决定哪些元素是当前可见的。其他系统使用这些并相互提供反馈。就CPU调用而言，这种模拟非常昂贵，因为每个系统都必须实时更新，而且成本会随着玩法单位的增加而不断上升，从而限制给定区域中的活动对象数量。这也使得开发者不可能同时加载整个世界，因为他们只能加载玩家周围的区域。这便创造了Jenner所称的“模拟泡泡”，即在玩家周围复活角色，并在玩家离开时删除他们。这意味着在一个模拟的泡泡中，动作“没有真正的意义”，npc在玩家离开后被删除，他们的动作被删除，世界恢复到默认状态。甚至背景角色也只是为了填充玩家的世界。

　　与此同时，策略和模拟游戏通常将整个世界呈现在一张地图上。这些游戏中的个体往往很简单——农场生产食物，士兵执行少量行动——但游戏整体却复杂得多。更重要的是，单位的数量及其持续的行动意味着任何一种玩法都是不同的。世界的面貌和国家的面貌都将得到改善势头随之变化，对手也有自己复杂的计划，导致了不同类型的即兴发挥。詹纳说:“随着权力平衡的变化，玩家必须不断改变和调整自己的计划，以应对新威胁的出现或旧威胁的消失。”

　　然而，在动作游戏中，这些世界变化的频率较低，通常是由回合制系统触发的，在这种系统中，一旦玩家或AI发出命令，动作就会根据游戏规则发生。在这类游戏中，主要的复杂性是确保AI足够强大，能够提供具有挑战性的对手。为了理论上赢得游戏，AI需要为大量单位选择最佳命令。

　　Jenner还就如何将《文明》等策略游戏的技术应用到开放世界游戏中，为玩家的行动添加更多意义和一致性提供了一些建议。关键是减少CPU使用来跟踪更多的单元，或者至少以一种不会显著增加使用的方式来这样做。他的一个建议是不要删除玩家看不到的npc或其他单位，而是在后台运行更简单的模拟。Jenner解释道:“我们可以移除npc背后复杂的动画、物理和控制系统的AI。“相反地，我们需要保存一组描述角色高级状态的数据，如位置，库存，外观等，并在简单的代码中运行这些数据。”与此同时，玩家与环境之间的互动可以被描述为一系列简单的逻辑规则，而不是复杂的模拟。Jenner补充说，“这可以极大地解决我们的CPU和数据瓶颈，因为这个简单的系统很轻，而且只用于永久加载的数据。”他还补充道，在后台运行的低细节npc需要比之前在玩家身边运行的高细节角色更新得更少。根据游戏和世界系统模拟，这些npc也应该在不出现在屏幕上时整合到一个低细节的角色中。Jenner提到了战略游戏中的军事单位“Tall and thin”虽然只展示了几个单独的士兵，但作为一个单独的物体，士兵的数量被记录得很低。

　　“通过用静态数据描述动态世界，我们可以避免完全模拟，”他继续说。他以Reflection 2011年推出的产品《司机:旧金山》(Driver: San Francisco)为例，在那里，数千辆汽车按照预先设定好的路线行驶，这样它们就不会相互碰撞。当汽车靠近玩家时，一辆真实的汽车就会沿着特定的路线行驶。当玩家离开他们时，数据根本不会被触动，但汽车仍然在行驶，因为时间在流逝。这在CPU使用方面很便宜，并且可以在没有AI、碰撞检测或车辆模拟代码的情况下移动数千辆汽车。当然，Jenner也承认:“以这种方式进行互动世界模拟的问题在于，特定单位没有任何反馈，它们的移动在游戏开始前就已经确定了。”在《Driver》游戏中，Reflections通过移除特定的车辆，并在需要时使用更传统的AI控制来替换它们。这在NPC背景运行时创造了半确定性模拟，但在玩家采取行动后会实时更新。

　　“如果玩家参与附近的枪战,但不接近全国人大叫high-detail状态,我们可以发送一条消息到所有NPC,给他们一个更新输入一个特定的AI国家应对新消息,”詹纳解释道。如果这改变了NPC的行为，他们便能够计算出新的固定路径并移动到不同的位置。”“这是减少更新频率的一个极端例子，尽管每次更新都很昂贵，但我们能够让不同的单位暂时搁置一段时间，因为它们能够实现‘想去’的功能。”Jenner承认，在开放世界中添加大型模拟仍然需要大量的处理能力，而实现这一点的一种方法就是使用云服务。由于半确定性数据的频率变化低速率、低带宽的连接可以为数千个单元提供准确的模拟信息。“云服务是更新低细节、大规模环境的理想选择，然后我们可以将整个数据反馈给玩家计算设备，以处理高细节模拟，”Jenner说。“云计算让我们能够继续进行大型复杂的模拟，并同时呈现给玩家。就共享的、不断发展的世界活动而言，这种可能性是无限的，而世界本身也会对环境的变化做出反应，即使玩家并未参与其中。”Jenner指出，像Improbable和Hadean这样的公司，都在积极研究解决方案，使这种大规模的模拟在云计算中得以实现。