FC 的創作者如何打造出最擬真的守門員

最後一秒的飛撲。扭轉戰局的指尖撲救。守門員判讀角度，瞬間調整，並憑藉本能精準反應。

在《EA SPORTS FC 26》中，守門員的動作更像真人，能動態回應、更快適應，並呈現出真實生動的時刻。

這項飛躍性進步，來自於 EA SPORTS 團隊成員、Frostbite 引擎 (提供模型訓練整合，並在遊戲過程中執行模型)，以及 Electronic Arts 旗下結合創意與應用研究的開創性部門「非凡體驗探索部門 ( SEED ) 」所開發的創新且具創意的解決方案。

讓我們深入探討。

「這些成果打造出 FC 史上最逼真的守門員，完全是 EA 內部各個專家團隊合力打造出的創新解決方案所實現。」

以設計師為本的機器學習方法

藉由利用深度強化學習，該團隊與傳統方法相比，實現了更快的訓練速度和更像真人的行為，在提升真實感的同時也縮短了訓練時間。

「我們運用機器學習在數十萬種遊戲情境中訓練他們，找出最佳走位，包括世界級守門員用來縮小角度的那些微小步法。」Mike Jones, Sr. 表示。軟體工程師, Electronic Arts. 

「此方法利用強化訓練代理程式，透過自行遊玩遊戲來學習，並採用新的訓練框架，該框架的開發宗旨是為了實現資料效率。」SEED 的研究科學家 Alessandro Sestini 表示。「最後，還有一個評估與微調框架，能讓設計師針對守門員行為提供回饋。」

與傳統編碼的守門員相比，新系統帶來了顯著的改進。

強化學習驅動的守門員撲救成功率提升 10%，訓練速度比標準強化學習方法快 50%，並能在一夜之間完成訓練。一個具備超過 300 個「單元測試」情境的穩健驗證系統，確保了持續的評估和調整。

強化學習方法帶來了更具適應性的走位、改善的角度覆蓋範圍，以及更貼近真實運動的行為表現。

這些成果是 FC 史上最逼真的守門員，完全是透過 EA 內部各個專家團隊合力打造的創新解決方案所實現。

「我們運用機器學習在數十萬種遊戲情境中訓練他們，找出最佳走位，包括世界級守門員用來縮小角度的那些微小步法。」

更多精彩內容即將推出

《EA SPORTS FC 26》導入強化學習驅動守門員走位，不只是單一系統升級；這項變革反映了遊戲製作過程在建構、訓練和優化遊戲玩法上的演進。

透過將機器學習與以設計師為本的框架結合，團隊能夠更快地迭代、持續驗證，並將更像真人的行為直接帶給玩家的體驗。

對玩家來說，這意味著更聰明的反應能力、更好的走位，以及更貼近真實運動的時刻。對於開發人員來說，這預示著一種可擴展的機器學習應用方法，其方式務實、可衡量，並專為實況製作而打造。

而對《EA SPORTS FC》而言，這標誌著在提供更真實且引人入勝的足球體驗方面，又向前邁進了一步。

前往 ea.com/news 查看其他精彩的 EA 故事。