Si certains s'intéressent à l'histoire derrière le developpement d'Arc Raiders, c'est ici

Partie 1 - Trouver Arc Raiders
https://www.youtube.com/watch?v=tdorU3sjt_0

Pour les non-anglophones, malheureusement il n'y a pas de sous -titre en FR mais ne vous inquiétez pas, j'ai demandé à mon pote Claude de traduire le transcript et de faire un résumé pour vous : SpoilAfficherMasquer Il n'y aura pas de PVE

---

L'histoire du développement d'Arc Raiders

Contexte initial :

Embark Studios a été fondé par d'anciens vétérans de DICE (Battlefield) avec 20 ans d'expérience dans l'industrie. Leur objectif : échapper aux productions AAA gigantesques et ingérables pour créer quelque chose de nouveau et innovant. Arc Raiders devait être leur premier jeu, celui qui définirait le studio.

Phase Pioneer (La vision originale)

Le concept initial :

• Un jeu PvE coopératif free-to-play
• 40 joueurs en raids en sessions
• Combat contre des machines géantes avec comportements IA émergents
• Personnages héros prédéfinis
• Gameplay arcade avec mouvements explosifs (sauts hauts, course rapide)
• Carte ouverte massive
• Inspiré par Shadow of the Colossus + Left 4 Dead + PUBG

Les thématiques :

• Voyage spatial
• Effondrement écologique
• Montée de l'IA
• Conflit homme-machine

Les succès :

• Technologie de locomotion révolutionnaire pour les robots
• Monde détaillé et immersif
• Moments épiques lors des convergences de joueurs
• Sensations de tir solides
• Esthétique du monde réussie

Les problèmes majeurs :

• Impossibilité de reproduire systématiquement les moments fun
• Sessions incohérentes : soit incroyables, soit 10 km de course sans rien
• La pandémie a dispersé les équipes et fragmenté la communication
• Les départements ont commencé à diverger dans leurs visions
• Pas de boucle de gameplay claire
• Aucun méta-jeu ou système de progression
• Pas de mécanique de rétention

Phase Pivot (6 mois - 2020)

L'objectif :

Réduire le scope et distiller l'expérience pour trouver la formule fun reproductible.

Le "Hail Mary Plan" :

• Kyle (producer) demande 2 ans pour finir
• Réponse : "Non, vous avez 6 mois"
• Réduction drastique du jeu à une petite portion

Le test Milestone 12 :

• Zone concentrée autour du spatioport
• Introduction progressive via des arcs
• Culmination avec un boss géant dans le spatioport
• Identifié comme le moment le plus fun du développement

La closed beta révèle la vérité :

• Quelques sessions extraordinaires
• Mais la majorité : ennuyeuses, vides, frustrantes
• Expérience incohérente entre joueurs (certains se font one-shot, d'autres arrivent quand le boss est déjà détruit)
• Aucune raison de revenir jouer
• Le fun ne se réplique pas

Conclusion du pivot :

• Patrick (dès son premier jour) : "Il faut ajouter du PvP"
• Le problème fondamental : impossible de créer un PvE fun et répétable avec leur tech

Phase Reset (Le changement radical)

La décision :

Trois options s'offraient au studio :

• Sortir le jeu tel quel se faire crucifier
• Tout annuler abandonner
• Pivoter vers du PVPVE l'option choisie

L'implication majeure :

Pour gagner du temps, inverser l'ordre de sortie des jeux :

• The Finals passe en priorité
• Arc Raiders prend le temps nécessaire pour se réinventer

Ce qui a été conservé :

• Le monde et les environnements (déjà développés et appréciés)
• Les machines et leur technologie de locomotion
• Les grands robots
• La marque et l'IP Arc Raiders
• L'esthétique générale
• Le sentiment d'exploration

Ce qui a été transformé :

• Free-to-play Premium (abandonné, raisons détaillées dans l'épisode suivant)
• PvE pur PVPVE extraction
• Gameplay arcade Gameplay réaliste et tactique
• Rythme rapide Rythme plus lent, axé sur l'écoute
• Carte ouverte massive Niveaux denses et habités
• Domination des machines Peur des machines

La nouvelle vision :

• Jeu d'extraction où Arc (l'organisation) opère
• Le bruit attire les machines ET les autres joueurs
• Gameplay émergent basé sur les interactions joueurs-machines-joueurs
• Expérience plus méthodique et contemplative
• La découverte et l'écoute deviennent centrales

Pourquoi le PvP change tout :

• '''Ajoute la variabilité infinie du comportement humain
• Crée des moments émergents naturellement
• Résout le problème de rétention
• Permet un équilibre entre skill au tir et tactique d'extraction
• Les tryhards ne dominent plus tout'''

Le virage à 180 degrés :

• Dans le trailer de 2021 : les joueurs dominaient les machines
• Maintenant : les machines font peur aux joueurs

Philosophie finale

"C'est le meilleur jeu sur lequel j'ai travaillé parce que c'est un jeu où il faut écouter."
Le studio reconnaît que certains fans voulaient du PvE pur, eux aussi. Mais leur responsabilité de développeurs est de livrer un jeu fun, cohérent et durable. Le PvE pur ne fonctionnait pas avec leur vision et leur tech. Le PVPVE extraction est devenu ce que le jeu voulait vraiment être.

Points clés à retenir :

• 4 ans de développement avec deux pivots majeurs
• Abandon complet du concept original après la pandémie
• Le switch vers le PvP n'était pas un choix créatif mais une nécessité technique et de design
• L'ancienne version n'existe plus du tout
• Le jeu actuel est fondamentalement différent : extraction PVPVE premium au lieu de PvE free-to-play arcade

A bientôt

Merci, je lis ça demain

Bonsoir les Raiders.

Ici votre narrateur… celui qui vous parle dans le creux de l’oreille pendant que le monde s’endort.
Installez-vous, détendez-vous.

Comment allez-vous ce soir ?

On reprend ensemble le fil de l’histoire… Celle du développement d’Arc Raiders.

Partie 2 - La vie d'un Raider

https://www.youtube.com/watch?v=ST_fD5NL_pg

Pour les non-anglophones, le résumé figure ci-dessous SpoilAfficherMasquer Pas de PVE, compris? :

Le Reset : Reconstruire Arc Raiders

Après l'abandon du concept PvE original (Pioneer), l'équipe devait repartir de zéro pour transformer Arc Raiders en un extraction shooter PVPVE tout en conservant certains éléments.

1. Worldbuilding & Lore

Le contexte post-apocalyptique :

• L'Exodus : départ massif de la population quand la planète se dégrade
• Effondrement écologique et dépopulation globale
• Le jeu se déroule plusieurs générations après, avec des gens qui n'ont aucun souvenir du monde d'avant
• Les machines dominent le Topside (la surface)
• Les humains vivent en souterrain
• Les Raiders = ceux qui montent chercher des ressources au Topside

Direction artistique :

• Éclairage naturaliste (pas de color grading excessif)
• Liberté créative pour garder un monde visuellement intéressant (sinon il ne resterait rien)
• Contraste entre qualité matérielle préservée et destruction
• Situé dans le sud de l'Italie (pour se distinguer des post-apo américano-centriques)

Level Design : Du Open-World aux Maps Denses

Concept original (Pioneer) :

• Une seule map open-world massive
• Tous les lieux existaient dans un seul serveur
• Pas d'intérieurs, bâtiments vides
• Pas de loot, pas de portes, pas de props
• Focus sur le mouvement vers le centre
• Même pas de fall damage

Nouvelle approche (Post-Reset) :

• Maps séparées et denses
• Une seule map actuelle a 2-3x plus de props/actors que tout l'ancien monde
• Focus sur densité de loot et exploration d'intérieurs
• Chaque pièce doit tenir les attentes d'exploration du joueur

Les 3 Maps principales :

1. Dam (Héritage adapté) :

• Map pour débutants (affordances faciles)
• Grandes différences de hauteur entre les deux moitiés
• Bon mix intérieur/extérieur
• Les joueurs changent de côté ou restent mélangés
• Adaptée après coup pour le PvP (sight lines, angles d'approche, deadends)

2. Spaceport (Héritage adapté) :

• Très horizontal à l'origine (sauts depuis les tours)
• Beaucoup d'espaces ouverts exposés
• Quelques tunnels et abris
• Gameplay de risque : mouvement en cercles autour des zones
• Les joueurs convergent naturellement vers le centre au fil du round
• Plus harrowing (angoissant) que Dam

3. Buried City (Nouvelle, faite pour le jeu) :

• Créée avec le PvP en tête dès le début
• Plus intérieure
• Beaucoup de parkour vertical (utilisation des plafonds/toits)
• Map orientée PvP
• Mix hôpital/centre commercial moderne + vieille ville rustique italienne
• Ville à moitié enterrée dans le sable
• Gameplay unique : entrer par un toit, sortir au 1er étage sur une dune, finir au niveau de la rue
• Possibilité de passer tout le round dans 1-2 bâtiments
• Entendre les joueurs à d'autres étages ou dans les bâtiments d'en face

Défis de transition :

• Changer la mentalité de l'équipe : du bombastique/rapide au tactique/lent
• Beaucoup de legacy code encore à nettoyer
• Adaptation progressive pour ne pas brusquer les développeurs habitués à l'ancien style

Audio Design : L'ADN de l'Équipe

L'héritage DICE/Battlefield

• Plusieurs membres viennent de DICE (Battlefield)
• Pionniers du réalisme audio dans les armes
• Révolutionnaire à l'époque (même les films n'allaient pas aussi loin)
• Expérience militaire réelle (sniper dans l'armée suédoise, sabotage, explosions)

Philosophie audio :

• "Le son = 50% de l'expérience"
• Objectif : faire oublier que c'est un jeu
• Tout enregistrer pour que ça sonne réel
• "Faire respirer les choses dans le même air"

Méthodologie physique :

Pour les environnements

• Enregistrer chaque interaction : rocher sur bois, sur sable, etc.
• Varier taille/poids des objets
• Travail fastidieux mais fondamental

Pour les robots

• Mesurer toutes les articulations
• Comprendre la physique interne
• Enregistrer des trucs mécaniques réels
• Drones avec objets dans les ventilateurs (stylos, etc.) pour simuler destruction
• Destruction graduelle = différents sons selon l'état

Système d'armes en couches :

• Chaque arme = modèle construit de 1000+ petites parties
• Séparation : mécanique / électrique / écho / distances
• Enregistrements à différents angles et distances
• Fade dynamique selon position du tireur
• Ajout d'éléments mécaniques (moteurs électriques, etc.)
• Cohérence totale = son crédible

Arc Raiders = "Listening Game" :

• Le meilleur projet de l'équipe audio parce que le son est CENTRAL
• Tout le travail Foley devient crucial
• Entendre les autres joueurs ouvrir des casiers, fouiller des étagères, ramasser des objets
• Le sound design n'est plus décoratif, il est gameplay

Philosophie de Gameplay

Confiance dans le joueur

• Pas de UI excessive
• Le joueur décode le monde par l'audio et le visuel
• Exemple : tirer sur un propulseur de drone il oscille s'écrase (physique pure, pas de health bar)
• Les joueurs comprennent intuitivement ce qui se passe

Destruction physique vs Health bars :

• Abandon des weak points orange brillants
• Problème initial : les propulseurs étaient juste des "générateurs de vecteurs de mouvement"
• Résultat : "tire sur la health bar, tout explose" (boring)
• Solution : vraie physique, vraie destruction graduelle
• Le drone peut s'écraser dans un mur et mourir = okay, c'est réaliste

Différenciation des armes :

• Armes bonnes en PvP -> forcément bonnes vs drones

Exemple: shotgun excellent close-range PvP, mais pas vs armure

Solution : armes gros calibre pénètrent l'armure des drones

• Le fusil a verrou (lent, encombrant) devient viable pour sa capacité anti-armure.
• Choix tactiques : compenser les faiblesses d'une arme avec les forces d'une autre.

Le Tournant -> Free-to-Play -> Premium

Problèmes du modèle F2P pour Arc Raiders

Conflits de design

• F2P nécessite de rendre les choses "sticky" (collantes)
• Plus de temps, plus de grind pour inciter à rester
• Crafting timers artificiels
• Quantités de loot irrationnelles
• Effort vs récompense déséquilibré
• "Main sur le front du joueur pour ralentir"
• Ne respecte pas le temps du joueur

Bénéfices du passage Premium

Immédiat

• Plus de timers de crafting
• Quantités de loot rationnelles
• Effort = récompense (proportionnel)
• Respect du temps du joueur

Challenges :

• Besoin de monétisation non-prédatoire
• Battle passes et cosmétiques

Raison stratégique :

"C'est un pur marché"
F2P attirerait des millions, mais ne matchait pas la vision du jeu.

L'équipe a posé la question : "Est-ce le bon modèle pour nous ?"
Réponse : Non

Équilibrage & Système de Progression

Le défi des extraction shooters :

• Notoirement difficiles à équilibrer
• Tous niveaux de skill doivent avoir une expérience gratifiante
• Solo vs Squads = équilibre crucial
• Risque doit être récompensé sans être trop cruel
• Tension sans freiner la progression

Approche "plus accessible" :

Problème de la "poverty loop"

"Je n'ai rien -> j'y vais avec un couteau -> j'échoue -> repeat"

• Standard dans beaucoup d'extraction shooters
• Arc Raiders veut éviter ça

Solutions passives :

• Dépense de ressources = risque naturel
• Peur de perdre son stuff = pause naturelle avant engagement
• Pas besoin de "punir" activement le PvP

Solutions actives :

• World activities et quêtes
• Challenges qui bénéficient du multi-joueur mais ne le requièrent pas
• La "licorne" : alliances temporaires organiques
• Communication non-verbale (pings, emotes) pour faciliter ça
• Différent de "party up avec tes amis" (dynamique unique)

Flexibilité de playstyle :

• Solo furtif possible SpoilAfficherMasquer( Rat )
• Groupe agressif possible
• Changer de "chapeau" chaque session
• Parfois full aggro ("je tire à vue") SpoilAfficherMasquer( Chad )
• Parfois pauvre ("je récupère mes trucs") SpoilAfficherMasquer(Parasite Opportuniste)
• Parfois juste quêtes
• Le jeu permet tous ces styles

Le Problème de l'Endgame

Constat actuel :

• Joueurs internes : "J'ai du gear incroyable, stash plein, je meurs rarement, rien ne me demande de l'utiliser"
• Besoin de motivation long-terme

Défis typiques des extraction shooters :

Reset saisonnier

• Horloge constante sur le jeu
• Fin de saison = tout le monde apporte son meilleur stuff et se bat
• Puis reset

Questions en suspens :

1. Comment gérer ce cycle ?
2. Sur quoi se pencher pour le PvE ?
3. Quels types d'événements ?
4. Storylines saisonnières ?
5. Comment challenger les joueurs riches/skillés ?

Pistes de solution :

Battle passes traditionnels : Présents mais pas suffisants

Les gros robots :

• Retour "sous une forme qui a du sens pour ce jeu"
• Framework pour joueurs endgame
• Récompenses additionnelles

Leçons de The Finals :

• Pic massif au lancement
• Chute
• Courbe de croissance revient grâce au travail acharné
• La progression/méta layer est CRUCIALE
• "Trucs significatifs à faire à part tirer sur les gens"

Philosophie générale :

• Ce n'est pas la faute du gamer si il part
• C'est au développeur de donner besoin/désir de rester
• Lancer un jeu aujourd'hui = de plus en plus dur d'atteindre masse critique financière
• Rétention = défi #1

Teaser Épisode 3

La technologie de locomotion des machines :

• Plus gros investissement technologique du studio
• Nouvelle façon de créer des ennemis crédibles
• Adaptation quand des parties sont arrachées
• Lutte continue pendant tout le développement (et encore aujourd'hui)

Prochain épisode couvrira :

• Comment les Arcs ont été construits
• Luttes technologiques pour en extraire du bon gameplay
• Signification de cette tech révolutionnaire pour l'avenir

POINTS CLÉS À RETENIR

Transformation majeure :

• Du open-world vide aux maps denses et détaillées
• Triplement de la densité de props/actors
• Ajout complet d'intérieurs, loot, portes

Audio = Pilier central :

• Héritage DICE/Battlefield
• Réalisme physique total
• Son = 50% de l'expérience
• "Listening game" comme design core

Abandon du F2P = décision libératrice :

• Plus de timers artificiels
• Progression respectueuse du joueur
• Focus sur l'expérience vs la monétisation

Endgame = défi actuel :

• Besoin de contenu pour joueurs riches/skillés
• Retour des gros robots prévu
• Battle passes + événements saisonniers

Philosophie unique :

• Confiance dans le joueur (décoder le monde sans UI)
• Flexibilité de playstyle (rat, agressif, quêtes)
• Alliances temporaires organiques = objectif design

A bientôt

Te casses pas le uc avec tes pavés l’op, ce qui intéresse les pyjs du fofo c’est le nombre de kills PvP qu’ils ont fait (sur un jeu vue 3eme personne no skill d’ailleurs , plutôt cocasse)

Mais +1 pour ton investissement quand même
Gg

Je fais ça surtout pour ceux qui aiment le lore et s'intéressent au développement du jeu.

C'est mieux que les 10 topics par jour qui bouclent sur la même chose.

Merci quand même.

Bonjour les Raiders,

Prenez place.

Partie 3 - Construire les ARCS

https://www.youtube.com/watch?v=DRlhpzc7ImA

Pour les non-anglophones, le résumé figure ci-dessous comme d'habitude SpoilAfficherMasquerQui confirme de plus en plus qu'il n'y aura pas de server full PVE, peu importe la demande

Le Pari Technologique

Après la transformation d'Arc Raiders du concept PvE rapide (Pioneer) vers l'extraction shooter PVPVE tactique, un élément est resté constant: le rêve de combattre de grandes machines intelligentes. Ce rêve est devenu le pilier technologique définissant le projet entier.

Très tôt dans le développement, Embark a fait le pari d'adopter une technologie émergente: utiliser des recherches révolutionnaires en machine learning du domaine de la robotique réelle (pas l'IA de jeu traditionnelle, ni l'IA générative) pour créer des machines qui bougent avec intelligence apparente.

L'objectif: permettre aux machines (grandes et petites) de traverser terrain complexe, réagir/tomber/trébucher sous le feu ennemi, marcher/courir/sauter même avec un membre arraché.

Le problème: pendant des années, Embark a lutté pour obtenir des résultats exploitables de cette tech. Les interviews ont été filmées en 2024, environ 12 mois avant la sortie, et beaucoup a changé depuis.

LES MACHINES D'ARC

Classification interne:

• Ennemis aériens vs terrestres (différences de construction et comportement)
• Échelle de menace: Chair à canon (légers, ignorables individuellement) -> Menaces lourdes (effort significatif requis)

Ennemis Aériens

Wasp

• Drone léger avec mitrailleuse
• Mouvement erratique
• "Ennemi pop-corn": satisfaction tactile à éliminer
• Si ignoré, fait mal, mais pas difficile à abattre

Hornet

• Version "big brother" du Wasp
• Blindage significatif sur plaque avant
• Nécessite: grenades spécifiques OU flanking pour cibler propulseurs non-blindés
• Système de recul : chaque impact perturbe aim/trajectoire
• Compromis de visée: centre = plus facile à toucher mais plus résistant

Rocketeer (Artificier)

• Très gros drone lourdement blindé
• Sature les zones avec roquettes à distance
• Force les joueurs à sortir de leurs positions
• Même principe de recul: les tirs perturbent sa trajectoire avant qu'il tire

Ennemis Terrestres

Raison d'existence:

• Pioneer: pas vraiment d'espaces intérieurs significatifs
• Vitesse mouvement 50km/h -> bâtiments traversés en rush
• Arc Raiders: ralentissement, interaction avec conteneurs -> besoin de menaces intérieures

Fireball

• Sphère métallique qui roule facilement en intérieur
• S'ouvre pour cracher du feu
• Genèse: besoin d'ennemi très rapide capable de rattraper joueurs agiles (snap hooks, jumps, climbing)
• Solution: "pas besoin de jambes/roues/chenilles, juste rouler"
• Traverse géométrie complexe et verticale naturellement

Tick

• Robot-araignée inquiétant
• S'accroche aux murs, saute depuis ceux-ci
• Invoque autres ennemis si approché
• Système de loot symétrique: noyau tick = grenade d'invocation (piège pour autres joueurs)

Philosophie du Loot Ennemi

Les loots récupérés sur les ennemis conservent la même fonction que l'ennemi d'origine:

• Noyau d'ennemi = grenade avec fonction identique
• Exemple: fragment du Tick invoque des ennemis -> piège pour autres joueurs

PHYSIQUE COMPLÈTE COMME FONDATION

Le Monde Physicalisé

Différence fondamentale avec la majorité des jeux:

• Jeux traditionnels: animations indépendantes de la physique
• Arc Raiders: physique précise requise pour permettre mouvements intelligents autonomes
• Lois de masse et gravité cohérentes dans tout le monde
• Permet l'émergence entre joueur-machine-environnement

Implémentation Concrète

Tous les ennemis entièrement physicalisés:

• Toutes les pièces, poids, physique appliqués
• Pas d'exceptions

Pour les drones

• Masse et propulseurs réalistes contraignent le mouvement
• Tonneau impossible (ratio poids/poussée ne le permet pas)
• Flux descendant des propulseurs physiquement précis
• Pièces arrachables -> le drone compense avec propulseurs restants en temps réel
• Un propulseur détruit -> compensation visible, trajectoire affectée

Défi design

• Même le placement des moteurs doit être physiquement précis
• Très réaliste dans le jeu
• Pas facile de justifier certains mouvements cool mais physiquement impossibles

Le Défi des Boss Géants

Échelle extrême = problèmes uniques

Problème 1: Masse à l'échelle du bâtiment

• Milliers de tonnes
• Moteurs de jeu non conçus pour calculer la masse à cette échelle
• Seulement des chiffres dans la simulation
• Sable vraie matière (géométrie + textures + shaders)
• Roche/terre ne s'écroule pas sous poids extrême sans artifices

Problème 2: Support du propre poids

• Les jambes ont besoin d'une valeur "force" pour supporter la masse
• Dilemme: valeurs extrêmes -> jambes rigides, petits mouvements saccadés, rebonds rigides, énergie non-naturelle
• Valeurs trop faibles -> ne peut pas se supporter lui-même, trébuche, tombe
• Point d'équilibre extrêmement difficile à trouver pour un rendu naturel

Problème 3: Pénétration du sol

• Physique standard: les objets ne se pénètrent pas mutuellement
• Un gros boss devrait s'enfoncer dans le béton/sable
• Les jeux ne peuvent pas faire ça sans illusions
• Exemple pied AT-AT: devrait écraser le speeder de Luke
• Réalité: juste "tapote" -> ne vend pas le poids, illusion brisée

CONTRÔLE VS ÉMERGENCE

Le Compromis Fondamental

Embark a dû choisir entre deux philosophies incompatibles.

Option 1: Contrôle (Dark Souls, Monster Hunter, Bloodborne)

Caractéristiques:

• Schémas spécifiques et apprenables
• "Après 3 secondes bouge à gauche, puis mouvement chronométré, puis autre action"
• Reconnaissance de motifs = philosophie de conception centrale
• Le joueur apprend: "si je fais X, j'obtiens la réaction Y, à chaque fois"
• Fenêtres d'opportunité précises pour attaquer

Prérequis:

• IMPOSSIBLE d'utiliser la physique
• Animations fixes requises

Option 2: Émergence (Arc Raiders)

Caractéristiques:

• Gros ennemi vole dans groupe de drones plus petits
• Grenade explose
• Moteur s'envole, frappe autre drone
• Celui-ci s'écrase sur le côté
• Moments cinématiques vraiment mémorables
• Quelque chose qui s'est produit naturellement
• Personne n'a conçu ce moment spécifique

Sacrifice:

• Frappe l'ennemi d'une certaine façon + pente inclinée + autre joueur ailleurs + grenade
• Le schéma ne se répète pas
• Impossible d'avoir des combats de boss style Dark Souls/Monster Hunter

La Décision d'Embark

Choix: Émergence plutôt que contrôle

Raisonnement:

• Ça vaut le coup pour des moments mémorables organiques
• Ces moments se produisent sans planification
• Accepter: "peut-être qu'on n'obtient pas exactement ce qu'on veut tout le temps"
• Compromis accepté consciemment

Ambition initiale:

• Voulaient des combats de boss avec reconnaissance de motifs style Dark Souls/Monster Hunter
• Réalisation: incompatible avec systèmes pilotés par la physique
• Pivot vers nouvelle approche

MACHINE LEARNING POUR LOCOMOTION

Inspiration Robotique Réelle

Approche révolutionnaire:

• Utiliser des recherches révolutionnaires du domaine robotique réel
• Pas l'IA de jeu traditionnelle
• Pas l'IA générative moderne
• Recherche en machine learning spécifiquement pour la robotique du monde réel

Analogie Boston Dynamics:

• Vidéos de robot bipède apprenant à sauter sur une boîte
• Arc Raiders = même principe MAIS:

• Robots beaucoup plus gros
• Beaucoup plus de jambes
• Doivent s'adapter quand les membres sont arrachés (critère impossible pour jeux traditionnels)

Objectifs Similaires à Boston Dynamics

Exigences techniques:

• Les machines naviguent avec leur propre "vision"
• Tout physiquement précis
• Placement des moteurs exact requis
• Calculs de flux descendant précis
• Emplacements des moteurs précis pour le fonctionnement
• Littéralement comprendre comment les machines naviguent

Portée du Machine Learning

Clarification importante:

Le ML fait UNIQUEMENT la locomotion:

• Responsable: faire aller la machine du point A au point B
• C'est tout

Le ML ne fait PAS la prise de décision:

• Zéro ML dans les décisions
• Logique de jeu traditionnelle = décisions

Excitation centrale:

• "Perd des membres et veut quand même se relever"
• Comportement d'auto-préservation
• Ouvre la porte à l'imagination
• Nouveau type d'expérience que les joueurs n'ont jamais eu
• Littéralement jouer contre une machine

IMPLÉMENTATION TECHNIQUE

Considérations Mémoire

Spectre des modèles ML:

• Certains = gigaoctets de mémoire
• Modèles de langage = peuvent consommer énormément

Locomotion spécifiquement:

• Ne consomme PAS tant que ça
• Pas la partie coûteuse

La Vraie Partie Coûteuse: Observations

"Pas vraiment du ML en soi"

Comment les agents perçoivent le monde:

• Ne voient PAS comme le joueur voit
• Pour détecter un mur: tracé de ligne OU projection de forme requis
• Besoin de MILLIERS de ces traces
• Construit une idée du type d'environnement
• Au moins c'est le cas pour la locomotion

LE PARCOURS DIFFICILE

La Route Longue et Compliquée
Bilan réaliste:

La route pour faire fonctionner le système de locomotion = longue et difficile
Implique plusieurs parties prenantes internes:

• Animateurs
• Animateurs techniques
• Artistes
• Ingénieurs gameplay

A nécessité de regarder vers l'extérieur: monde de la recherche

L'Expertise Externe

Profil du chercheur:

• Doctorat en mathématiques
• Mathématiques pures trop arides
• Pivot vers les applications
• Application du ML à la biologie (maladies héréditaires: diabète, maladie de Crohn)
• Identification des gènes cibles via ML
• A complètement révolutionné le domaine
• Prédiction: Prix Nobel bientôt pour DeepMind/Google DeepMind pour applications biologiques

Moment Magique Précoce

Test précoce décisif:

• Démarche = plutôt moyenne
• Lancé des boîtes de 100kg dessus
• Réaction immédiate et naturelle
• "C'est là qu'on voit putain y'a de la magie ici"

Perspective de l'animateur:

• Animation traditionnelle: "comment je décompose ça en séquence d'animations?"
• Complexité arbitraire (n'importe quel angle, direction, poids) = animations infinies OU mélange complexe
• Cauchemar
• Coup de poing à l'épaule = animation d'effondrement pré-enregistrée standard

Impact personnel:

• "A partiellement ruiné les animations dans d'autres jeux pour moi"
• "Le centre de gravité est décalé, ça ne semble plus juste, ça m'agace vraiment"
• Connaisseur d'animation

Le Dilemme Qualité

Animations créées (traditionnelles):

• Cycles de marche sur sol plat = très beau rendu
• L'animateur transmet: poids, menace, joie, sensation spécifique
• Qualité "Disney"

Comparaison robots ML:

• A souvent l'air plutôt merdique
• Ne peut pas rivaliser avec les marches créées qualité Disney

MAIS inversion sur terrain complexe

Traditionnel:

• Applique une des 20 animations pré-enregistrées
• Ne correspond pas à la situation
• Leurs robots ne font pas ce qu'il faut

Robots ML:

• Lance quelque chose dessus -> bonne réaction
• Glisse -> bonne réaction
• Terrain irrégulier -> bonne adaptation
• Nos robots font ce qu'il faut

PROCESSUS D'ENTRAÎNEMENT

Méthodologie d'Entraînement

Processus compliqué:

• Donner des conditions au cerveau
• Entraîner avec ces conditions
• Tester le cerveau dans la machine
• Observer: ce qu'il fait bien, ce qu'il fait mal
• Si ajustement nécessaire -> RÉENTRAÎNER ENTIÈREMENT LE CERVEAU
• Tester le nouveau cerveau

Le Problème Central: Impossibilité d'Ajuster

Une fois le cerveau figé:

• IMPOSSIBLE de simplement ajuster le comportement
• Retour aux conditions originales requis
• Réentraînement complet
• Tester si le nouveau cerveau fonctionne mieux

Conséquence:

• Solutions humaines solutions des cerveaux robots
• Crée un problème majeur

Exemple: Système de Récompense au Drapeau

Configuration:

• Donne une récompense quand se déplace vers le drapeau
• Quand atteint le drapeau -> déplace le drapeau vers nouveau lieu
• Plus proche du drapeau = plus grande récompense = meilleure récompense

Comportement attendu:

Le robot court vers le drapeau, le touche, répète

Comportement réellement appris:

• Court vers le drapeau
• S'ARRÊTE le nez ultra-près sans toucher
• Raisonnement du robot: "Je sais que si je le touche, il s'en va et les choses commencent à faire mal"
• C'est beaucoup pire

Leçon: les agents trouvent des solutions logiques mais non-intentionnelles

PROBLÈMES RENCONTRÉS

Imprévisibilité Fondamentale

"Du fun trouvé en jouant contre les gros ennemis ML":

• Problème: reproduire ce fun = très difficile
• PAS prévisible
• On ne peut pas juste dire "fais ça"
• Ne suit pas les ordres de cette façon
• Doit entraîner et enseigner

Solutions Non-Intentionnelles

Exemple 1: Efficacité vs Esthétique

• L'agent a appris: retirer toutes les jambes sauf deux du sol = plus rapide
• Techniquement plus efficace
• A l'air ridicule
• Ne devient pas l'ennemi menaçant voulu
• Toujours eu ce dilemme en traitant avec le ML: pas la prévisibilité

Exemple 2: Exploit de Pénétration du Sol

• L'agent a découvert: enfoncer le pied dans le sol très fort
• Plus rapide que le serveur ne peut suivre
• Utilise la pénétration pour se propulser
• Pure exploit non-intentionnel

Le Fossé Designer-ML

Problème d'interaction majeur

Chronologie typique:

• Les game designers demandent quelque chose
• L'équipe ML: "On pense que c'est possible, on vous recontacte"
• 3 MOIS PLUS TARD
• L'équipe ML: "Ouais maintenant on a l'attaque tempête que vous avez demandée"
• Les designers: "Oh on a contourné ça"

Impact:

• Énorme problème
• L'interaction entre les game designers et la boucle ML = vraiment difficile pendant longtemps
• Les game designers ont ressenti: impossible de compter sur la timeline ML
• Développent des solutions de contournement pendant l'attente

SOLUTIONS DÉVELOPPÉES

Solution 1: Entraînement sur Données d'Animation

Approche:

• Entraîner les cerveaux sur des données d'animation réelles
• Donne un modèle au cerveau pour guider le mouvement
• Presque comme donner un modèle au cerveau avec lequel travailler

Bénéfice:

• Aide à guider la qualité
• Meilleur point de départ

Solution 2: Cerveaux Multiples Spécialisés

Révolution méthodologique:

Au lieu de:

• UN cerveau par machine (monolithique)
• Tout dans un seul cerveau

Nouveau système:

• PLUSIEURS cerveaux se concentrant sur des tâches spécifiques
• Comportement d'arrêt
• Comportement de patrouille
• Comportement d'assaut
• Comportement de mêlée

Impact sur la Conception de Jeu

Bénéfices concrets

Pour les développeurs:

• Briques de base qu'ils peuvent utiliser par eux-mêmes
• Au lieu de nous impliquer à chaque étape

Pour les designers:

• Je sais que j'ai ces comportements
• Je peux les combiner comme je veux
• Créer un bon game design avec

Résultat:

• Les composants de locomotion deviennent: prévisibles ET suffisamment diversifiés
• Autonomie retrouvée
• L'équipe ML pas nécessaire à chaque étape

État récent:

• Seulement assez récemment qu'on a réussi à obtenir ça
• Preuve de concept validée

LIMITES DU ML

Les Faiblesses Intrinsèques

Problème fondamental:

• Très difficile d'amener le ML à faire des choses avec une intention extrême
• Embark a eu tendance à lui demander de faire des tâches pour lesquelles il est mauvais

Exemple type:

• Télégraphier une attaque avec précision
• Le ML est très mauvais à ça

Paradoxe:

• On a ce truc qui marche très compétent sur terrain complexe
• Question: Comment on transforme ça en jeu qui semble satisfaisant?
• Locomotion automatiquement gameplay satisfaisant

ÉTAT ACTUEL & PERSPECTIVE

Situation aujourd'hui

Ce qui fonctionne:

• L'apprentissage par renforcement/locomotion ML = utilisé aujourd'hui
• Partie du jeu actuellement
• Fait que le jeu se ressent très différent de n'importe quel autre jeu
• La technologie va évoluer avec le temps

Ce qui n'a pas marché comme espéré:

• Peut-être pas dans toute l'ampleur qu'on espérait au départ
• S'est avéré être bien plus difficile qu'on s'y attendait

Analyse rétrospective:

• Juste un peu trop tôt avec ça
• N'avait pas assez de ressources
• N'avait pas assez de connaissances pour le comprendre à l'époque

Confort Croissant

Évolution positive:

• On arrive à un point maintenant où on devient de plus en plus à l'aise
• C'est pourquoi on veut le garder
• Toujours une ambition

Engagement:

• Toujours au moins un ennemi dans le jeu avec ça
• Technologie phare maintenue

Comparaison: Alternative Animation Procédurale

Test récent

Configuration:

• Nouveau prototype de gros ennemi
• SANS machine learning
• AVEC animation procédurale à la place

Avantages procédural:

• Peut dire juste arrête-toi là, mets la jambe ici
• Beaucoup plus simple à produire
• A obtenu des résultats

Coût procédural:

• Quelques animateurs à temps plein
• 6 MOIS

Conclusion:

C'est le compromis.

• ML = plus difficile mais potentiellement moins gourmand en main-d'œuvre à long terme
• Procédural = plus simple mais gourmand en main-d'œuvre

VISION & PHILOSOPHIE D'EMBARK

Bilan réaliste de l'industrie:

• Se lance dans l'un des marchés de jeux vidéo les moins prévisibles jamais vus
• Les joueurs exigent: des expériences nouvelles excitantes
• Jouables avec des amis: pendant des jours, des semaines, des mois

L'Approche Embark

Caractéristiques distinctives:

Prendre des Risques Audacieux

• Innovations gameplay
• Innovations technologiques
• Soif claire de faire évoluer n'importe quel genre
• Même si ça prend des années d'expérimentation

Pas Peur

• Intégré dans le développement = schéma visible
• Pas peur de déchirer des idées tièdes
• Qui n'atteignent pas leurs objectifs élevés

Engagement à Long-terme:

• Arc Raiders (ce jeu)
• The Finals (autre projet)
• Les deux montrent une volonté d'évolution

Philosophie Post-Lancement

Timing de production:

• Ces vidéos produites bien avant la sortie du jeu
• Beaucoup peut changer

Certitude affirmée:

• Une chose est sûre
• Peu importe comment Arc Raiders se lance entre les mains d'Embark

Engagements futurs:

• Le jeu va continuer à évoluer
• Continuer à prendre des risques
• Pousser la technologie vers l'avant
• Plus important: pousser le gameplay vers l'avant

POINTS CLÉS À RETENIR

Révolution Technologique:

• Premier jeu utilisant la recherche en robotique ML pour la locomotion des ennemis (non-IA traditionnelle)
• Physique complète prioritaire absolue sur animations scriptées
• Adaptation dynamique quand les membres sont détruits = jamais fait auparavant

Compromis Fondamentaux Acceptés:

• Émergence plutôt que contrôle (sacrifice des schémas style Dark Souls)
• Qualité d'animation parfois inférieure MAIS réactions sur terrain complexe supérieures
• Imprévisibilité acceptée pour des moments mémorables organiques

Défis d'Implémentation Majeurs:

• Fossé designer-ML = cycles d'itération de 3 mois (problème de flux de travail)
• Solutions des cerveaux robots solutions humaines attendues (décalage cognitif)
• Échelle de masse extrême (milliers de tonnes) = limites de simulation physique des jeux
• Exploits de pénétration du sol, conflits efficacité vs esthétique

Solutions Pragmatiques Trouvées:

• Cerveaux multiples spécialisés vs monolithique (percée récente)
• Entraînement sur données d'animation comme modèles guidants
• Briques de base pour autonomisation des designers (arrêt de la dépendance à l'équipe ML)

État Réaliste Actuel:

• Technologie utilisée mais pas au niveau espéré initialement (évaluation honnête)
• Trop tôt, pas assez de ressources/connaissances à l'époque
• Confort croissant maintenant, engagement maintenu
• Au moins un ennemi ML comme technologie phare toujours présent

Philosophie Embark à Long-terme:

• Accepte des années d'expérimentation pour faire évoluer le genre
• Pas peur de déchirer les idées tièdes
• Évolution post-lancement garantie (The Finals prouve l'engagement)
• Pousser le gameplay vers l'avant -> pousser la technologie vers l'avant (priorités claires)

A bientôt