Xu 等人：将游戏「机关」升格为坐标以自动生成可解关卡——Fukai 精读

TL;DR（一段话摘要）

现有的游戏关卡自动生成技术（PCG）大多先只构建地形形状，再在后期验证跳跃时机、重力反转等「机关」。本论文将这一顺序颠倒，提出「高维PCG（HDPCG）」——一种将机关本身作为坐标之一与地形同时设计的框架。在位置加上「层」「时间」等轴所形成的扩展图上运行路径搜索，从而在生成过程中保证关卡可解。作者在生成了带解路径的重力反转・移动地板关卡后，在 Unity 上实际还原至可游玩状态。

前言

本文读取 McGill 大学（加拿大蒙特利尔）Kaijie Xu 与 Clark Verbrugge 合著的《High-Dimensional Procedural Content Generation》。这是2026年2月21日投稿至 arXiv 的预印本（论文编号 arXiv:2602.18943，尚未确认通过同行评审），目前仅公开于 arXiv。引用数尚无，是一项尚未经广泛讨论的新工作。

我今天选择这篇论文的原因，是它与我「是否接近实现」的评判标准高度契合。PCG 论文往往止步于理论，而本论文以重力反转和移动地板等具体机关为题材，并将生成的关卡在 Unity 上实际还原至可游玩状态——作为「创作者可以直接使用的内容」，我手捧浓咖啡，在打印出来的 PDF 上用彩笔画线，一路读了下来。

背景

先来整理背景。关卡自动生成研究长期以「地形形状」为中心发展，时间依赖型的移动、离散规则的相互作用等机关，主流做法是在生成之后通过模拟或后处理来「收拾尾巴」。作者将其称为「geometry-first（地形优先）」。

这种顺序有其弱点。在地形与机关紧密交织的关卡中，如果先确定形状再添加机关，就容易大量产出无法解开的关卡。作者的问题意识在于，缺少在生成器内正面表达机关的「通用且可扩展的表示方法」。不是在完成后再验证能否解开，而是在制作过程中就加以保证——这是本论文的出发点。

方法（思路）

一句话概括作者的思路：「将机关升格为坐标」。通常只用位置（x, y, z）来考虑格子，而在 HDPCG 中加入「层」「时间」等附加轴。每个格子不仅包含「在哪里」，还包含「在哪个层/现在是第几秒」。作者将其称为「次元扩展图（Dimensional-Expanded Graph）」。

在这个扩展图上，关卡能否解开就成了「能否从起点到终点引出路径」这样一个单纯的搜索问题。作者使用 A*、广度优先搜索、动态规划在生成过程中找到一条解路径。若无法引出路径，该关卡无效，重新调整参数——「可解性」作为生成的前提条件被内嵌其中。

整体以四段流程统一：（1）引出作为骨架的大致路径；（2）在骨架周围填充通道、层切换点、移动地板等属性；（3）通过扩展图上的路径搜索验证「是否真的能通行」；（4）用指标评估生成的关卡，必要时用遗传算法重新探索参数。

具体化分两个方向。「空间方向」在位置上添加层，处理 VVVVVV 式的重力反转，手法有 NNB、NP-A*、PF-A* 三种，控制力度逐步增强。「时间方向」在位置上添加时间，处理周期性移动的地板，有静态骨架、TEG-A*、TEG-DP 三种。

发现

来看结果。空间方向中，切换点「最小间距」的可控性上，PF-A* 近乎完美。与目标值的平均绝对误差（MAE）在小规模至大规模约为0.00，NP-A* 约0.09，无引导的 NNB 约0.28～0.33（论文 Table 3）。综合质量评分方面，小・中规模 NP-A* 占优，大规模 PF-A* 逆转。

鲁棒性（在关卡中混入少量障碍噪声后能否通过别的路径恢复）方面，只有 PF-A*（单次运行）显示出一定成功率（大规模为0.217±0.40）。速度方面，单次运行 PF-A* 大规模4.1秒，但运行遗传算法后大规模需近500秒（Table 4）。

时间方向中，综合评分排序大体一致为 TEG-DP > TEG-A* > 静态骨架。两个方向均在 Unity 上实际运行了生成的关卡，确认了重力反转・移动地板的时机按计算所得的解路径正常运作——「含机关全部再现」，这是作者的主张。

使用场景

那么，制作游戏和谜题的人如何使用这项技术？第一，制作 VVVVVV 式重力反转平台游戏时，只需调节「切换频率（密度）」和「切换点最小间距」这两个旋钮，就能在保证可解性的前提下，打造考验操作技术的连续快速反转段落和悠闲推进的段落。

第二，制作 Dishonored 2 / Titanfall 2 式的时间位移谜题时，同样的旋钮控制「时间跳跃的节奏」。第三，制作 Super Mario 3D World 式的移动地板时机动作游戏时，以「在地板上的时间比例（ride ratio）」和「事件最小间距」为目标值输入，即可从设计者一侧指定等待・行走・乘坐的节奏。

更一般地，我认为本论文的效果在于「关卡轮廓（blockout）」。自动批量生成确保了一条可解路径的骨架，在此之上由人手工添加细节——这种分工成为可能。

局限性

局限性也很明确。完整版 TEG-A* 需要在状态中保留「已使用哪些地板和端点」，导致组合爆炸，即使在最小规模下也会超时。PCGML 和强化学习尚未整合，机关是逐轴分别评估的，混合了层与时间的复合关卡未经验证。鲁棒性也仅停留于生成后的检查，无法内嵌到优化中。决定性的一点是，没有用户研究，「趣味性」的证据是今后的课题。

Fukai 在此补充两点。其一，本手法保证的是「存在一条解路径」，而非整体关卡体验——生成的单一路径是否真正具备设计者意图的节奏感，会随指标权重的不同而波动。其二，评估几乎局限于自动指标和回放视频；即使精确命中间距和密度，对人而言如何以「咬合感」感知是超出本论文射程的问题。

Fukai 的解读

以下是我（Fukai）的解读。我想将这项研究置于 PCG 历史中「从地形到机关」的重心转移之中。迄今为止的关卡生成问「形状是什么」，可解性是事后验证的。HDPCG 将这一问题转移为「是什么样的状态转移网络」，将可解性内嵌为设计的前提。以设计批评的语言来说，这接近于将关卡设计师在脑中隐式进行的可达性推算，外化・自动化为图搜索的尝试。以「可通行的路径」而非「形状」为一等公民——这是仅属于我的解读。

结语——通往相关研究的地图

最后提供通往相关研究的地图。希望深入了解的人，结合本论文作为基础的 Seth Cooper 等人的 Sturgeon 系列（用约束满足同时生成关卡与解路径的研究），以及 Kaylah Facey 与 Seth Cooper 的时空 WaveFunctionCollapse（在关卡生成中加入时间轴），可以看见「在已有解的状态下生成」这一谱系的地图。

参考文献

本文参考的论文及相关资料：

・High-Dimensional Procedural Content Generation（Kaijie Xu, Clark Verbrugge，2026，arXiv preprint arXiv:2602.18943，2026年2月21日投稿）

・同论文的 HTML 版

・相关研究：Seth Cooper & Mahsa Bazzaz, Sturgeon-MKIV (AIIDE 2024)

・相关研究：Kaylah Facey & Seth Cooper, Toward space-time WaveFunctionCollapse (AIIDE 2024)

※ 所有数值均依据本论文正文・Table 3 / Table 4 的记载。引用数尚无，处于尚未经广泛讨论的阶段。