MDA：一种用于游戏设计和研究的方法

MDA，即机制(Mechanics)，动态(Dynamics)，体验(Aesthetics)，是一种解构游戏的框架。最早由西北大学的Robin、Marc、Robert提出。英文原文链接：

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

摘要（Abstract）

本文介绍了MDA框架(Mechanics机制、Dynamics动态交互、Aesthetics体验)，在2004年圣何塞GDC的游戏设计和调优研讨会上，我们第一次提出了该框架。

MDA是理解游戏的一种方法，它尝试将游戏设计、游戏分析和游戏技术研究三者联系起来。我们相信这种方法可以为游戏设计、分析和研究建立统一、普适的标准，使不同的参与者可以更清晰、高效的交流。

介绍（Introduction）

所有的作品都是通过某些设计方法创造的。无论是建造实体模型、设计软件接口、构造论点，还是做一系列对照实验，设计方法能够指导设计思路并保证作品的质量。

值得一提的是，迭代和定性定量分析从两个方面支持设计师的工作：一方面，帮助设计师通过分析结果来完善设计过程；另一方面，通过分析设计过程让结果变得更好。只有从这两个方面相互印证，形成闭环，设计师才能更充分、更系统的考虑问题。

以上方法对于电子游戏设计来说显得更为重要，因为游戏中不同系统的联动会产生复杂且动态（往往不可预测）的结果。因此，设计师和研究人员在做出更改前应该仔细考虑不同系统的相互影响；学者在对经验规律得出结论前也应该认识到这种关联性。

本文介绍了MDA框架(Mechanics机制、Dynamics动态交互、Aesthetics美学体验)，在2004年圣何塞GDC的游戏设计和调优研讨会上，我们第一次提出了该框架。

MDA是理解游戏的一种方法，它尝试将游戏设计、游戏分析和游戏技术研究三者联系起来。我们相信这种方法可以为游戏设计、分析和研究建立统一、普适的标准，使不同的参与者可以更清晰、高效的交流。

一种普适的框架（Towards a Comprehensive Framework）

游戏设计有很多的分工，游戏研究、开发领域有来自不同工作和背景的人。虽然专注于一个领域是很有必要的，但每个人在做好本职工作的同时，也需要更全面的考虑问题：游戏系统的基本机制，总体设计目标，以及游戏想要创造的体验。

即使研究游戏AI的程序员或研究员也不例外（举这个例子是想说：看起来好像没啥联系，但实际上有联系；至于为啥举这个例子？作者举的）。关于数据、表现、算法、工具、词汇和设计方法的决定看似无关紧要，但正是所有决定的集合，才塑造了最终的游戏玩法。反过来看，想创造的所有用户体验，在最底层都需要由代码实现。随着游戏不断使用越来越复杂的代理（agent）、对象（object）和系统行为（system behavior），AI和游戏设计融合在一起。

只有当冲突被约束时，系统才会产生一致性，各部分才可以作为整体的一部分相互关联。分解、理解和创造的一致性需要在所有抽象层之间旅行——从系统和代码产生的流畅动作，到内容和游戏体验，也包括顺序反过来的过程。

我们建议设计人员、研究人员和学者使用MDA框架，将其作为工具来辅助进行上面这种转换。

MDA

游戏是由设计师/开发团队创造的，之后由玩家购买。游戏被购买、体验，最终像其他大多数消费品一样被弃坑。


游戏与其他娱乐产品(如书籍、音乐、电影和戏剧)的区别在于，它的消费是相对不可预测的。在游戏过程中发生的一系列事件以及这些事件的结果在产品完成时是不可预测的。

MDA框架首先将游戏从生产到消费（获得fun）的过程分解：


并建立对应的设计模型：


机制在数据和算法（数据和算法可以统称为规则）层面上描述游戏的特定系统(译者的理解是：游戏规则)。

动态描述了机制在运行时，随着时间的推移，对玩家输入和彼此输出的影响。

体验描述了玩家在与游戏系统交互时所产生的情感反应。

MDA框架的基本思想是：游戏更像是工具而不是媒体。我们的意思是说，游戏的内容是它的行为（对玩家输入和彼此输出时的响应），而不仅仅是从游戏中流向玩家的媒体（视频、音频等）。

将游戏视为设计好的工件有助于将它们框定为通过交互构建行为的系统。它支持在所有游戏设计环节的研究和开发中进行更清晰的设计选择和分析。

MDA的细节（MDA in Detail）

将MDA作为一种透镜（MDA as Lens）

MDA框架的每个组件都可以看作是观察游戏的一个“透镜”或一个“视图”——这些镜头是独立、但有因果关系的。([LeBlanc, 2004b)

从设计者的角度来看，机制产生了动态系统行为，而动态系统行为又产生了特定的体验。

从玩家的角度来看，体验奠定了基调，它诞生于玩家可接触到的动态中，并最终成为可操作的机制。


在处理游戏设计的相关问题时，同时拥有设计师和玩家的视角是很有帮助的：它帮助我们观察某一层的微小变化是如何影响其他层的；此外，玩家视角会让设计师能够以体验驱动(而不是功能驱动)设计。

因此，我们开始对体验进行讨论，之后延续到动态，最终完成基础机制的探讨。

体验（Aesthetics）

是什么让游戏“有趣”?当我们发现一种特定类型的乐趣时，我们是如何发现的呢?体验是一个抽象的概念，确实很难描述。

在描述游戏的体验时，我们希望用更直接的词汇，而不是抽象的“有趣”和“可玩性”等。

包括但不限于这里列出体验分类:

1. 感受：游戏让人获得某种情感；2. 幻想：游戏作为幻想的世界；3.叙述：游戏作为叙事的方式；4. 挑战：游戏作为有难度的竞赛；5. 社交关系：游戏是一个可以进行社交的地方；6. 探索：游戏作为未知领域，等待玩家探索；7. 表达：游戏作为作为表达自我的场所；8. 完成任务：游戏作为休闲的地方（译者的理解是：完成简单的任务，并获得任务完成的满足感，常见于休闲游戏）


以哑谜猜字、雷神之锤、模拟人生和最终幻想为例，虽然每一款游戏都是“有趣的”，但思考创造“有趣”的体验元素我们会获得更多信息：

哑谜猜字：完成任务、表现自我、挑战；

雷神之锤：挑战，感觉，竞争，幻想；

模拟人生：探索，幻想，表达，叙述；

最终幻想:：幻想，叙述，表达，发现，挑战，完成任务。

我们可以看到每个游戏都在不同程度上追求着多重体验目标。哑谜猜字强调的是友谊而不是挑战；

雷神之锤中的挑战则是游戏的主要元素。虽然没有大统一的游戏理论或公式详细介绍如何搭配这些元素会产生“有趣”，但这种分类法有助于我们描述游戏，阐明不同的游戏如何吸引不同的玩家,或在不同的时间如何吸引相同的玩家。

体验模型 Aesthetic Models

像使用指南针一样使用体验词汇，我们就可以为游戏玩法定义模型。这些模型帮助我们描述游戏动态和机制。

例如:字谜游戏和雷神之锤都是有竞争设计的。

只有当不同的团队或玩家在这些游戏中主动想去打败对方时，他们才可获得胜利。

这需要玩家拥有对手(字谜游戏中是团队竞争；雷神之锤中是玩家与计算机对手的竞争)，并且所有各方都希望获胜。

很容易看出，对抗性规则和对输赢的明确反馈对于竞争性游戏是至关重要的。如果玩家不知道明确的获胜规则，或者觉得自己不可能获胜，游戏便会变得无趣。

动态模型（Dynamic Models）

动态交互创造体验。例如，挑战是由时间压力或对手造成的；社交关系可以通过设定成员之间必须共享信息或提供难以单独获胜的条件(例如占领一个敌人基地)来强化。

表达来自于鼓励单个用户展示自己专属的东西：用于购买、打造或赚取游戏道具的系统，用于设计、打造和改变的关卡或世界，以及用于创建个性化、独特的角色。

让人感到戏剧性的刺激可以来于不断加剧的紧张、释放紧张、展现结局的动态变化。

和体验一样，我们希望对动态交互的讨论尽可能具体。通过设计用于预测和描述游戏玩法动态的模型，我们可以避免一些常见的设计误区。


例如，2个六面骰子的概率分布模型，可以帮我们确定玩家在大富翁游戏中绕着棋盘前进所需要的平均时间，并给出各种情况的概率。


我们同样也可以发现游戏中的反馈系统，通过它来确定特定的状态或变化是如何影响游戏变化的。在大富翁游戏中，当优势玩家变得越来越富有时，他们可以惩罚其他玩家并提高获取金钱的效率，劣势玩家则会越来越穷。


随着差距扩大，最后只有少数(有时只有一个)玩家真正投入游戏中（此处指优势和劣势玩家差异过大，有的玩家钱太少就不想玩了）。此时戏剧性的紧张和玩家参与的能动性就消失了。

利用我们对体验和动态的理解，我们可以想象出解决垄断的方法——要么奖励劣势的玩家，让他们与优势玩家保持合理的差距；要么让优势玩家更难扩大优势。当然，这可能会影响游戏重现真实世界中垄断的能力，但现实有时并不“有趣”。

机制（Mechanics）

机制是对玩家在游戏环境中各种行为的控制机制。与游戏的内容(关卡，数值等等)一起，机制也支撑着整个游戏玩法。

例如，纸牌类游戏的机制包含洗牌、出牌规则和赌博——从这些机制中可以产生像虚张声势这样的动态。射击类游戏的机制包括武器、弹药和出生点——它们有时会产生蹲点和狙击等效果。高尔夫游戏的的机制包含球、球杆、沙坑和水障碍——有时会导致球杆折断或因为球进入水中而失败。

调整游戏机制可以帮助我们调整游戏的整体动态。以大富翁中玩家的垄断为例：帮助落后玩家的机制可以设定为对贫穷玩家发放奖金或“补贴”，或对富裕玩家的设置更高的“税收”——比如在穿过广场，离开监狱，或者在一定的价值范围，对优势玩家设定更多的惩罚。通过将这些变化应用到游戏基本规则上，我们或许能够让早期劣势的玩家继续保持进取心，并在游戏中后期也能保持兴趣。

解决大富翁游戏有时会缺乏紧张感的另一个方法是：添加一些机制来增加时间压力并加速游戏。或许可以通过征收固定税率的税收(这样人们就能快速消费)来消耗资源，将所有垄断企业的支出翻倍(这样玩家状态就能快速的变化)，或者在一定情况下随机分配所有财产。

转换（Tuning）

显然，我们通过对垄断分析，就可以对游戏进行改进、测试和调优。通过不断地细化惩罚的数值、税率或奖惩的门槛，我们就可以细化大富翁的游戏玩法，直到它达到平衡。

在调整时，我们的体验词汇和模型帮助我们明确设计目标，讨论游戏缺陷，并在调整时度量我们的改进。比如，如果我们的设计的垄断税需要复杂的计算，玩家将会很难确定现金的价值，从而影响游戏整体进度，进而破坏玩家的投资意识。

类似地，我们的动态模型帮助我们发现问题可能来自何处。比如，使用D6模型，我们可以评估对棋盘大小或布局的更改，进而确定更改将如何延长或缩短游戏的时长。

怎样使用MDA（MDA at Work）

现在，让我们以开发或改进游戏中的AI组件为例进行讨论。人们往往理想化的认为AI组件是黑箱机制，理论上它可以相对容易地使用在不同项目上。但正如本框架所提到的那样，游戏组件会对系统行为和玩家体验产生影响，不能将其割裂开来单独讨论。

第一轮（First Pass）

以一个照顾孩子的游戏为例[Hunicke, 2004]。你的主管感觉为某tag设计一个简单、基于游戏的AI是有益的（tag属于程序设计术语，优点之一是可以复用）。你的玩家将扮演一个需要捉到顽皮小孩并让他睡觉的保姆。demo将被设计为为3-7岁的儿童展示简单的情感（来自于婴儿的情感，儿童是游戏的目标玩家）。

这个设计的体验目标是什么？探索和发现可能比挑战更重要。因此，这里的动态选择不是为了“获胜”或“竞争”，而是为了让婴儿表达出惊讶、恐惧和期待等情绪。

隐藏地点可以手工标记，它们之间的路径是硬编码的；游戏的大部分逻辑将致力于操纵婴儿进入视野并体现婴儿的反应。游戏机制包括和宝宝说话(“我看到你了!”或者“嘘!”)、追逐婴儿、四处搜寻、做标记等等。

第二轮（Second Pass）

现在，考虑一下上述设计的变体——与Nickelodeon的“Rugrats”这样的特许经营店合作，目标玩家是7-12岁的女孩。从体验角度来看，游戏应该更具有挑战性——也许在游戏中应包含一些叙述(需要设计几个“关卡”，每个关卡都代表一个新的故事片段和相关的任务)。

在动态方面，玩家现在可以同时跟踪和与多个游戏角色进行交互。我们可以添加时间压力机制(即让他们在晚上9点之前睡觉)，添加一个“随机因素”或监控角色情绪(脏尿布会导致哭泣，哭泣会让你失去分数)等等。

对于这种设计，静态的路径将不再适用——让游戏角色选择自己的隐藏位置可能是一个好主意。每个婴儿都有各自的特点、能力或挑战吗？如果是，将如何向玩家展示这些差异？他们将如何遵循设定的状态、对世界的认识、对其他婴儿或玩家的变化做出反应？玩家将被要求执行什么样的任务和行动?

第三轮（Third Pass）

最后，我们可以把这款游戏想象成一个完整的战略军事模拟游戏，比如《细胞分裂》或《神偷》。我们的目标玩家是14-35岁的男性。

体验目标现在扩展到包含幻想元素(扮演捉拿间谍的军事精英或一个寻求宝物的流氓)和极限挑战。除了充满阴谋和悬疑的复杂情节外，玩家还将考虑对手的行为————这里可能很少有情感表达。但如果有的话，间谍们应该对他的出现表现出恐惧和厌恶。

动态可能包括获得或购买强大的武器、间谍设备的能力，以及战术和技术的使用，比如：潜行，欺骗，躲避和逃脱的技能。机制包括可扩展的技术或技能树，各种各样的敌人单位，不同层次或区域的移动范围，能见度和视野等等。

在这个游戏中，除了协调行动和攻击外，特工还必须分析感官数据。对游戏角色位置和意图的推理是一种挑战，但这可以带来游戏的胜利。你的敌人能够越过障碍，在具有挑战性的地形中行进吗？还是你会“作弊”技能？声音传播是3d环绕吗 ，还是基于距离确定声音大小的简单设计？

结束（Wrapping Up）

讨论到这里我们可以发现：游戏体验需求的简单改变将会在多个层面上给AI带来机制上的改变——有时甚至需要为解决导航、推理和策略问题开发全新的系统。

相反地，我们发现并没有“AI机制”类似于：智能或一致性来自于AI逻辑与游戏玩法逻辑的交互（与上文AI设计来自于体验需求呼应）。使用MDA框架，我们可以明确地对体验目标进行推理，得出支持这些目标的动态，之后确定对应的机制。

结论（Conclusions）

MDA支持普遍、迭代的设计和优化方法。它让我们明确推理出特定的设计目标，并预测变更将如何影响框架的各个方面以及最终的设计/实现。

通过在MDA的三个抽象层次之间转换，我们可以概念化游戏系统的动态行为。将游戏理解为动态系统有助于我们开发用于迭代设计和改进的技术——让我们获得期望的结果。

此外，通过理解游戏玩法决策是如何影响最终用户体验的，我们能够更好地细化这些体验，并使用它们去分别去推动新的设计、研究和测评。

参考文献（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
来源：微信公众号：游戏策划Up