MDA：一種用於遊戲設計和研究的方法

MDA，即機制(Mechanics)，動態(Dynamics)，體驗(Aesthetics)，是一種解構遊戲的框架。最早由西北大學的Robin、Marc、Robert提出。英文原文連結：

https://users.cs.northwestern.edu/~hunicke/MDA.pdf

摘要（Abstract）

本文介紹了MDA框架(Mechanics機制、Dynamics動態互動、Aesthetics體驗)，在2004年聖荷西GDC的遊戲設計和調優研討會上，我們第一次提出了該框架。

MDA是理解遊戲的一種方法，它嘗試將遊戲設計、遊戲分析和遊戲技術研究三者聯絡起來。我們相信這種方法可以為遊戲設計、分析和研究建立統一、普適的標準，使不同的參與者可以更清晰、高效的交流。

介紹（Introduction）

所有的作品都是通過某些設計方法創造的。無論是建造實體模型、設計軟體介面、構造論點，還是做一系列對照實驗，設計方法能夠指導設計思路並保證作品的質量。

值得一提的是，迭代和定性定量分析從兩個方面支援設計師的工作：一方面，幫助設計師通過分析結果來完善設計過程；另一方面，通過分析設計過程讓結果變得更好。只有從這兩個方面相互印證，形成閉環，設計師才能更充分、更系統的考慮問題。

以上方法對於電子遊戲設計來說顯得更為重要，因為遊戲中不同系統的聯動會產生複雜且動態（往往不可預測）的結果。因此，設計師和研究人員在做出更改前應該仔細考慮不同系統的相互影響；學者在對經驗規律得出結論前也應該認識到這種關聯性。

本文介紹了MDA框架(Mechanics機制、Dynamics動態互動、Aesthetics美學體驗)，在2004年聖荷西GDC的遊戲設計和調優研討會上，我們第一次提出了該框架。

MDA是理解遊戲的一種方法，它嘗試將遊戲設計、遊戲分析和遊戲技術研究三者聯絡起來。我們相信這種方法可以為遊戲設計、分析和研究建立統一、普適的標準，使不同的參與者可以更清晰、高效的交流。

一種普適的框架（Towards a Comprehensive Framework）

遊戲設計有很多的分工，遊戲研究、開發領域有來自不同工作和背景的人。雖然專注於一個領域是很有必要的，但每個人在做好本職工作的同時，也需要更全面的考慮問題：遊戲系統的基本機制，總體設計目標，以及遊戲想要創造的體驗。

即使研究遊戲AI的程式設計師或研究員也不例外（舉這個例子是想說：看起來好像沒啥聯絡，但實際上有聯絡；至於為啥舉這個例子？作者舉的）。關於資料、表現、演算法、工具、詞彙和設計方法的決定看似無關緊要，但正是所有決定的集合，才塑造了最終的遊戲玩法。反過來看，想創造的所有使用者體驗，在最底層都需要由程式碼實現。隨著遊戲不斷使用越來越複雜的代理（agent）、物件（object）和系統行為（system behavior），AI和遊戲設計融合在一起。

只有當衝突被約束時，系統才會產生一致性，各部分才可以作為整體的一部分相互關聯。分解、理解和創造的一致性需要在所有抽象層之間旅行——從系統和程式碼產生的流暢動作，到內容和遊戲體驗，也包括順序反過來的過程。

我們建議設計人員、研究人員和學者使用MDA框架，將其作為工具來輔助進行上面這種轉換。

MDA

遊戲是由設計師/開發團隊創造的，之後由玩家購買。遊戲被購買、體驗，最終像其他大多數消費品一樣被棄坑。


遊戲與其他娛樂產品(如書籍、音樂、電影和戲劇)的區別在於，它的消費是相對不可預測的。在遊戲過程中發生的一系列事件以及這些事件的結果在產品完成時是不可預測的。

MDA框架首先將遊戲從生產到消費（獲得fun）的過程分解：


並建立對應的設計模型：


機制在資料和演算法（資料和演算法可以統稱為規則）層面上描述遊戲的特定系統(譯者的理解是：遊戲規則)。

動態描述了機制在執行時，隨著時間的推移，對玩家輸入和彼此輸出的影響。

體驗描述了玩家在與遊戲系統互動時所產生的情感反應。

MDA框架的基本思想是：遊戲更像是工具而不是媒體。我們的意思是說，遊戲的內容是它的行為（對玩家輸入和彼此輸出時的響應），而不僅僅是從遊戲中流向玩家的媒體（視訊、音訊等）。

將遊戲視為設計好的工件有助於將它們框定為通過互動構建行為的系統。它支援在所有遊戲設計環節的研究和開發中進行更清晰的設計選擇和分析。

MDA的細節（MDA in Detail）

將MDA作為一種透鏡（MDA as Lens）

MDA框架的每個元件都可以看作是觀察遊戲的一個“透鏡”或一個“檢視”——這些鏡頭是獨立、但有因果關係的。([LeBlanc, 2004b)

從設計者的角度來看，機制產生了動態系統行為，而動態系統行為又產生了特定的體驗。

從玩家的角度來看，體驗奠定了基調，它誕生於玩家可接觸到的動態中，並最終成為可操作的機制。


在處理遊戲設計的相關問題時，同時擁有設計師和玩家的視角是很有幫助的：它幫助我們觀察某一層的微小變化是如何影響其他層的；此外，玩家視角會讓設計師能夠以體驗驅動(而不是功能驅動)設計。

因此，我們開始對體驗進行討論，之後延續到動態，最終完成基礎機制的探討。

體驗（Aesthetics）

是什麼讓遊戲“有趣”?當我們發現一種特定型別的樂趣時，我們是如何發現的呢?體驗是一個抽象的概念，確實很難描述。

在描述遊戲的體驗時，我們希望用更直接的詞彙，而不是抽象的“有趣”和“可玩性”等。

包括但不限於這裡列出體驗分類:

1. 感受：遊戲讓人獲得某種情感；2. 幻想：遊戲作為幻想的世界；3.敘述：遊戲作為敘事的方式；4. 挑戰：遊戲作為有難度的競賽；5. 社交關係：遊戲是一個可以進行社交的地方；6. 探索：遊戲作為未知領域，等待玩家探索；7. 表達：遊戲作為作為表達自我的場所；8. 完成任務：遊戲作為休閒的地方（譯者的理解是：完成簡單的任務，並獲得任務完成的滿足感，常見於休閒遊戲）


以啞謎猜字、雷神之錘、模擬人生和最終幻想為例，雖然每一款遊戲都是“有趣的”，但思考創造“有趣”的體驗元素我們會獲得更多資訊：

啞謎猜字：完成任務、表現自我、挑戰；

雷神之錘：挑戰，感覺，競爭，幻想；

模擬人生：探索，幻想，表達，敘述；

最終幻想:：幻想，敘述，表達，發現，挑戰，完成任務。

我們可以看到每個遊戲都在不同程度上追求著多重體驗目標。啞謎猜字強調的是友誼而不是挑戰；

雷神之錘中的挑戰則是遊戲的主要元素。雖然沒有大統一的遊戲理論或公式詳細介紹如何搭配這些元素會產生“有趣”，但這種分類法有助於我們描述遊戲，闡明不同的遊戲如何吸引不同的玩家,或在不同的時間如何吸引相同的玩家。

體驗模型 Aesthetic Models

像使用指南針一樣使用體驗詞彙，我們就可以為遊戲玩法定義模型。這些模型幫助我們描述遊戲動態和機制。

例如:字謎遊戲和雷神之錘都是有競爭設計的。

只有當不同的團隊或玩家在這些遊戲中主動想去打敗對方時，他們才可獲得勝利。

這需要玩家擁有對手(字謎遊戲中是團隊競爭；雷神之錘中是玩家與計算機對手的競爭)，並且所有各方都希望獲勝。

很容易看出，對抗性規則和對輸贏的明確反饋對於競爭性遊戲是至關重要的。如果玩家不知道明確的獲勝規則，或者覺得自己不可能獲勝，遊戲便會變得無趣。

動態模型（Dynamic Models）

動態互動創造體驗。例如，挑戰是由時間壓力或對手造成的；社交關係可以通過設定成員之間必須共享資訊或提供難以單獨獲勝的條件(例如佔領一個敵人基地)來強化。

表達來自於鼓勵單個使用者展示自己專屬的東西：用於購買、打造或賺取遊戲道具的系統，用於設計、打造和改變的關卡或世界，以及用於建立個性化、獨特的角色。

讓人感到戲劇性的刺激可以來於不斷加劇的緊張、釋放緊張、展現結局的動態變化。

和體驗一樣，我們希望對動態互動的討論儘可能具體。通過設計用於預測和描述遊戲玩法動態的模型，我們可以避免一些常見的設計誤區。


例如，2個六面骰子的概率分佈模型，可以幫我們確定玩家在大富翁遊戲中繞著棋盤前進所需要的平均時間，並給出各種情況的概率。


我們同樣也可以發現遊戲中的反饋系統，通過它來確定特定的狀態或變化是如何影響遊戲變化的。在大富翁遊戲中，當優勢玩家變得越來越富有時，他們可以懲罰其他玩家並提高獲取金錢的效率，劣勢玩家則會越來越窮。


隨著差距擴大，最後只有少數(有時只有一個)玩家真正投入遊戲中（此處指優勢和劣勢玩家差異過大，有的玩家錢太少就不想玩了）。此時戲劇性的緊張和玩家參與的能動性就消失了。

利用我們對體驗和動態的理解，我們可以想象出解決壟斷的方法——要麼獎勵劣勢的玩家，讓他們與優勢玩家保持合理的差距；要麼讓優勢玩家更難擴大優勢。當然，這可能會影響遊戲重現真實世界中壟斷的能力，但現實有時並不“有趣”。

機制（Mechanics）

機制是對玩家在遊戲環境中各種行為的控制機制。與遊戲的內容(關卡，數值等等)一起，機制也支撐著整個遊戲玩法。

例如，紙牌類遊戲的機制包含洗牌、出牌規則和賭博——從這些機制中可以產生像虛張聲勢這樣的動態。射擊類遊戲的機制包括武器、彈藥和出生點——它們有時會產生蹲點和狙擊等效果。高爾夫遊戲的的機制包含球、球杆、沙坑和水障礙——有時會導致球杆折斷或因為球進入水中而失敗。

調整遊戲機制可以幫助我們調整遊戲的整體動態。以大富翁中玩家的壟斷為例：幫助落後玩家的機制可以設定為對貧窮玩家發放獎金或“補貼”，或對富裕玩家的設定更高的“稅收”——比如在穿過廣場，離開監獄，或者在一定的價值範圍，對優勢玩家設定更多的懲罰。通過將這些變化應用到遊戲基本規則上，我們或許能夠讓早期劣勢的玩家繼續保持進取心，並在遊戲中後期也能保持興趣。

解決大富翁遊戲有時會缺乏緊張感的另一個方法是：新增一些機制來增加時間壓力並加速遊戲。或許可以通過徵收固定稅率的稅收(這樣人們就能快速消費)來消耗資源，將所有壟斷企業的支出翻倍(這樣玩家狀態就能快速的變化)，或者在一定情況下隨機分配所有財產。

轉換（Tuning）

顯然，我們通過對壟斷分析，就可以對遊戲進行改進、測試和調優。通過不斷地細化懲罰的數值、稅率或獎懲的門檻，我們就可以細化大富翁的遊戲玩法，直到它達到平衡。

在調整時，我們的體驗詞彙和模型幫助我們明確設計目標，討論遊戲缺陷，並在調整時度量我們的改進。比如，如果我們的設計的壟斷稅需要複雜的計算，玩家將會很難確定現金的價值，從而影響遊戲整體進度，進而破壞玩家的投資意識。

類似地，我們的動態模型幫助我們發現問題可能來自何處。比如，使用D6模型，我們可以評估對棋盤大小或佈局的更改，進而確定更改將如何延長或縮短遊戲的時長。

怎樣使用MDA（MDA at Work）

現在，讓我們以開發或改進遊戲中的AI元件為例進行討論。人們往往理想化的認為AI元件是黑箱機制，理論上它可以相對容易地使用在不同專案上。但正如本框架所提到的那樣，遊戲元件會對系統行為和玩家體驗產生影響，不能將其割裂開來單獨討論。

第一輪（First Pass）

以一個照顧孩子的遊戲為例[Hunicke, 2004]。你的主管感覺為某tag設計一個簡單、基於遊戲的AI是有益的（tag屬於程式設計術語，優點之一是可以複用）。你的玩家將扮演一個需要捉到頑皮小孩並讓他睡覺的保姆。demo將被設計為為3-7歲的兒童展示簡單的情感（來自於嬰兒的情感，兒童是遊戲的目標玩家）。

這個設計的體驗目標是什麼？探索和發現可能比挑戰更重要。因此，這裡的動態選擇不是為了“獲勝”或“競爭”，而是為了讓嬰兒表達出驚訝、恐懼和期待等情緒。

隱藏地點可以手工標記，它們之間的路徑是硬編碼的；遊戲的大部分邏輯將致力於操縱嬰兒進入視野並體現嬰兒的反應。遊戲機制包括和寶寶說話(“我看到你了!”或者“噓!”)、追逐嬰兒、四處搜尋、做標記等等。

第二輪（Second Pass）

現在，考慮一下上述設計的變體——與Nickelodeon的“Rugrats”這樣的特許經營店合作，目標玩家是7-12歲的女孩。從體驗角度來看，遊戲應該更具有挑戰性——也許在遊戲中應包含一些敘述(需要設計幾個“關卡”，每個關卡都代表一個新的故事片段和相關的任務)。

在動態方面，玩家現在可以同時跟蹤和與多個遊戲角色進行互動。我們可以新增時間壓力機制(即讓他們在晚上9點之前睡覺)，新增一個“隨機因素”或監控角色情緒(髒尿布會導致哭泣，哭泣會讓你失去分數)等等。

對於這種設計，靜態的路徑將不再適用——讓遊戲角色選擇自己的隱藏位置可能是一個好主意。每個嬰兒都有各自的特點、能力或挑戰嗎？如果是，將如何向玩家展示這些差異？他們將如何遵循設定的狀態、對世界的認識、對其他嬰兒或玩家的變化做出反應？玩家將被要求執行什麼樣的任務和行動?

第三輪（Third Pass）

最後，我們可以把這款遊戲想象成一個完整的戰略軍事模擬遊戲，比如《細胞分裂》或《神偷》。我們的目標玩家是14-35歲的男性。

體驗目標現在擴充套件到包含幻想元素(扮演捉拿間諜的軍事精英或一個尋求寶物的流氓)和極限挑戰。除了充滿陰謀和懸疑的複雜情節外，玩家還將考慮對手的行為————這裡可能很少有情感表達。但如果有的話，間諜們應該對他的出現表現出恐懼和厭惡。

動態可能包括獲得或購買強大的武器、間諜裝置的能力，以及戰術和技術的使用，比如：潛行，欺騙，躲避和逃脫的技能。機制包括可擴充套件的技術或技能樹，各種各樣的敵人單位，不同層次或區域的移動範圍，能見度和視野等等。

在這個遊戲中，除了協調行動和攻擊外，特工還必須分析感官資料。對遊戲角色位置和意圖的推理是一種挑戰，但這可以帶來遊戲的勝利。你的敵人能夠越過障礙，在具有挑戰性的地形中行進嗎？還是你會“作弊”技能？聲音傳播是3d環繞嗎 ，還是基於距離確定聲音大小的簡單設計？

結束（Wrapping Up）

討論到這裡我們可以發現：遊戲體驗需求的簡單改變將會在多個層面上給AI帶來機制上的改變——有時甚至需要為解決導航、推理和策略問題開發全新的系統。

相反地，我們發現並沒有“AI機制”類似於：智慧或一致性來自於AI邏輯與遊戲玩法邏輯的互動（與上文AI設計來自於體驗需求呼應）。使用MDA框架，我們可以明確地對體驗目標進行推理，得出支援這些目標的動態，之後確定對應的機制。

結論（Conclusions）

MDA支援普遍、迭代的設計和優化方法。它讓我們明確推理出特定的設計目標，並預測變更將如何影響框架的各個方面以及最終的設計/實現。

通過在MDA的三個抽象層次之間轉換，我們可以概念化遊戲系統的動態行為。將遊戲理解為動態系統有助於我們開發用於迭代設計和改進的技術——讓我們獲得期望的結果。

此外，通過理解遊戲玩法決策是如何影響終端使用者體驗的，我們能夠更好地細化這些體驗，並使用它們去分別去推動新的設計、研究和測評。

參考文獻（References）

Barwood, H. & Falstein, N. 2002. “More of the 400: Discovering Design Rules”. Lecture at Game Developers Conference, 2002. Available online at: http://www.gdconf.com/archives/2002/hal_barwood.ppt
Church, D. 1999. “Formal Abstract Design Tools.” Game Developer, August 1999. San Francisco, CA: CMP Media. Available online at: Gamasutra - The Art & Business of Making Games s_01.htm
Hunicke, R. 2004. “AI Babysitter Elective”. Lecture at Game Developers Conference Game Tuning Workshop, 2004. In LeBlanc et al., 2004a. Available online at: http://algorithmancy.8kindsoffun.com/GDC2004/AITutori al5.ppt
LeBlanc, M., ed. 2004a. “Game Design and Tuning Workshop Materials”, Game Developers Conference 2004. Available online at:
Game Design and Tuning Workshop Materials
LeBlanc, M. 2004b. “Mechanics, Dynamics, Aesthetics: A Formal Approach to Game Design.” Lecture at Northwestern University, April 2004. Available online at: http://algorithmancy.8kindsoffun.com/MDAnwu.ppt


作者：Rivers
來源：微信公眾號：遊戲策劃Up