断腿也能爬？Arc Raiders新敌人靠机器学习追着你打

Arc Raiders里有个叫Leaper的敌人，玩家在地表碰上它的时候，可能没意识到一件事——它的行为不是写死的脚本，而是通过机器学习学出来的。今年GDC上，Embark Studios的机器学习研究负责人Martin Singh-Blom解释过，Leaper靠奖励和识别来学习。这让它能按常规方式行动，更重要的是，能应对像断了一条腿这样的麻烦。

说它是AI主导并不准确，但两者确实有相似之处。Leaper也不是Arc Raiders里唯一带这种行为的敌人，只是它最显眼——毕竟那几条长腿和移动能力摆在那儿。而随着10月8日游戏史上最大更新Frozen Trail上线，又有一个同样具备机器学习能力的敌人要来了：Bully。

Bully是个什么样的敌人

提到典型的恶霸，你脑子里会浮现什么？攻击性强？体格壮？这基本就是Bully的写照。Polygon在Frozen Trail公布前的线上预 briefing 中，和其他媒体、创作者一起看到了它的实际表现。这也是一个地面敌人，体型没有Leaper那么大，但非常敦实。它还极其执着，会不停地追你，不给你喘口气的机会。设计意图就是再造一个像Leaper那样能制造动态场面的敌人：踉跄、摔倒、在战斗中撞向玩家。

我向Arc Raiders执行制作人Aleksander Grøndal问了工作室对机器学习的思路，以及未来会不会用到更多敌人身上。

“我们把机器学习看作一项新兴技术，某种程度上还处在婴儿期，”他告诉我。“对我们来说，它仍然有点像一项高级研究任务。有意思的地方在于，你没法很好地控制它。我们试着教它怎么行动，有时候那完全说不通。有时候我们需要更新模型来修复它的特定问题。”

他还解释，Arc Raiders里使用机器学习的敌人“本意是填补阵容中的原型角色”，并且“随着技术变好、我们对它了解得更多，我们会用最合适的方式去利用它，创造独特的体验”。

腿是关键，物理是玩法

在预 briefing 之后的问答环节，我又问了Grøndal，Bully具体是怎么用机器学习的。“它更偏地面，会尝试穿越任何地形，”他解释说。“机器学习敌人好玩的地方在于，它们全都是物理驱动的，而自从我们引入了系绳系统（在完整的Frozen Trail预览里有更详细的说明），玩家可以用全新的方式去玩这些敌人的物理特性。”

“机器学习敌人最适合的情况是它们有腿、能学着走路。我们有几个不同的训练平台，目前效果最好的是那些有腿、能被玩家操控的，看它们如何适应各种情况；断一条腿、被卡住、摔倒或翻滚，诸如此类能制造出有趣动态场面的情况。”

这段话其实透露了一个挺有意思的逻辑：Embark并不是在追求一个“更聪明的AI”，而是在追求一个“更会摔的AI”。Leaper和Bully的价值，不在于它们能多精准地击杀玩家，而在于它们会因为物理和学习的结合，做出不可预测的动作——而这些动作恰好能变成玩家之间的谈资和名场面。

为什么是腿，为什么是现在

把Grøndal的说法串起来看，机器学习在Arc Raiders里的应用有一条清晰的边界：有腿的、物理驱动的敌人，才是这套技术最合适的载体。没有腿的敌人，学走路这件事本身就无从谈起。而一旦有了腿，断腿、卡住、摔倒、翻滚这些状态就都成了可以被学习和适应的变量。

这也解释了为什么Leaper会是最显眼的那个——它的长腿和移动能力让它天然适合展示这套系统。Bully虽然更敦实、更贴地，但同样有腿，同样物理驱动，同样会被系绳系统影响。玩家能对它们做的事，和它们能对玩家做的事，都建立在同一套物理规则上。

Grøndal说机器学习“没法很好地控制”，有时候教出来的行为“完全说不通”，需要更新模型来修。这句话本身挺坦诚的——它意味着这些敌人的行为不总是可预测的，也不总是合理的。对玩家来说，这可能是惊喜，也可能是莫名其妙的挫败。但至少从设计意图上看，Embark要的就是这种不可控带来的动态感。

Frozen Trail什么时候能玩到

Frozen Trail会在10月8日（周四）作为免费更新上线，平台是PS5、Windows PC和Xbox Series X。Bully会随着这次更新加入，带着和Leaper同类型的机器学习能力。

至于未来会不会有更多机器学习敌人，Grøndal的说法是：随着技术变好、了解变多，会用最合适的方式去利用它。没有给时间