在现有版本的R.O.O.T.游戏中，有一个机制称为“信息场”。当单元被激活时，其周围会发出占据周围单元格的场。

并且在棋盘上会有两种相关的单元格——信号场需求格、信号场排斥格。玩家需要将信息场覆盖于需求格，而需要保持排斥格上面没有信号场。

在一般关卡中，玩家需要使用提供的单元格，使棋盘上面全部相关的单元格都满足它们的需求。而在时刻关卡的任务时刻中，尽量满足全部需求，即使没有全部满足，也能获得一定的奖励。

信息场这个机制在R.O.O.T.游戏设计的比较初期就有了。这个机制最初是为了从玩法角度上添加一个维度——就是需要考虑单元格在棋盘上的实际位置，而不是仅仅信号链接的拓扑位置，并且可以有一些扩展范围。

就这样，以“单元在棋盘上占据一定的连续面积”为基础，派生出了信用场的这个概念。渐渐地，这个观点就被量化为：当场单元被激活后，其周围会发出特定范围的场。

再加上一些可视化的内容，就有了信息场这个视觉内容：

当然，“信息场”这个概念本身仅是一个设定。接下来我们就需要将他扩展为一个完整的玩法；既然是单元格现在有一个扩展的面积（信号场），那么这个能力、动作或者资源可以生发出什么挑战呢？

其实第一步就是自然推导出的玩法——使用信号场将棋盘尽可能地铺满。

于是结合到这是“当时”还存在的“实时玩法”（对，当时的设计中还有实时玩法），我们如何把对棋盘的覆盖进行量化和游戏化呢？

我们突然发现，以“捞鱼”为框架，好像有的搞。

如果把棋盘格的覆盖率类比于渔网在湖面中的面积，那么抓的鱼是什么呢？于是，我们就得出了“电子鱼”，也就是当时的确存在的设计——信号球。

综上，老版本的信息场核心的玩法就是：在最后的实时阶段（Boss阶段），需要使用信号场、尽量铺满棋盘格；同时，棋盘上会随机地生成大量地信息球，如果信号球处于信号场内就都会被“接收”。之后通过在Boss阶段接收的全部信号球进行积分，作为游戏最终任务的一环。

当然，到现在的ROOT的版本中，已经不再有实时部分了。

此时我们有时刻系统、还有里面的时刻任务，以及单元格这个机制。而且我们感觉，仅仅通过信号场将棋盘格铺满，这个衡量维度还是过于简单了。

如果仅仅简单地把所有信息场进行堆叠，这个玩法其实没有什么可策略和思考的。只要无脑堆单元就可以了。

所以我们想到，如果采用（粗略）类似于拼图的思路，并不是简单的全部，而是利用“不能覆盖”的格子，来给棋盘“绘制”一个特定“单元格”图案的话，那么会不会更加的有趣呢？

所以，就跟上图一样，我们现在将新的系统中更加丰富的系统——单元格加入了进了信号场系统。于是我们设计出了信号场需求格，以及我们认为比较重要的——信号场排斥格。

信息场需求格和排斥格会在信息场任务时刻中或独立的信息场关卡中出现。当信息场覆盖住信息场需求格并避开排斥格时，对应的信息场时刻任务或者关卡通过。

上图中，蓝绿色的就是信号场“需求格”，玩家需要将棋盘格覆盖于其上（默认绿色，覆盖上是蓝绿色）。而暗红色和粉红色的就是“排斥格”，玩家需要保证这些格子上没有信号场。

既然有了“图案”设定，那么就会有重复与否的问题了，其实也就是图案的“产量”问题。因为即使是同一关，我们也不希望玩家每一次玩到这个任务的时候，都会是一模一样的图形。更遑论不同关卡了。

所以我们需要从程序的角度上，尽量批量的，或者程序化地生成一些这些内容。

解决这个问题的思路其实还是清晰的，首先，手工生成一些基础的图形作为种子（也就是基础的、简单图形）。

然后将这些种子进行旋转、镜像、位移、反相等等，并且不同的“种子”之间可以进行层叠。并且在我们的目前的设计中，可以最多层叠3层，甚至图层间可以“做减法”，最后还可以进行一次旋转等操作。

这样，每一层可以有8种种子，并且种子还可以进行旋转等操作。就稍微少算一点儿，就算每层通过变换种类翻倍，达到16种选择。然后再需要每一层都不一样的话，通过排列组合算法可以算出16*15*14=3360种可能。

3360种和理论上我们棋盘可以产生的全部排列组合数量没法比。但是考虑到我们的视情况，我们认为通过种子生成的才能保证更多的可玩性，这也远远够用了。

好的，我们解决了生产图形的问题。但是，我们同时发现了一个问题，就是这个图形作为我们信号场的目标时，会有一个难度的问题。有些图形难度会低一些，有些有些图形的难度会高一些。

具体哪个图形是怎样的难度，具体来说是无所谓。只要它们的难度能被具体地衡量出来，然后我们就可以根据不同关卡的不同难度来挑选我们需要使用哪样的图形。

于是，我们需要一个可以衡量这个图形作为信号场目标的难度。

首先，我们考虑到，在关卡中，玩家将全部的信号场单元格都满足，并且有的是需求、有的是排斥，也就是使用信息场“绘制”出所要求的图片。在时刻关卡中还有玩家目前的资源、步数等等的限制。

所以，首先需要考虑到的是：相关单元格越多，难度肯定也更高。并且在这个时候，也不能简单地计算单元格的数量。还要考虑到单元格的分布。就大体想一下，堆在中央的四个需求单元格，肯定要比分布在四个角上的容易多了。于是这个位置信息是务必要考虑进来的。

上面两张图中，虽然里面都是只有4个需求格，但是可以明显看出，因为在棋盘上的分布不同，就也很难说完成他们的难度是一样的。

同时，也能自然地发现，排斥格关于位置对于难度的系数是反相的。就是“不能有信号场的位置”自然是越接近棋盘腹地越难，然后越在边角上，这种格子实际的难度就越低。

最后，在我们目前的框架下，因为每个单元格都会生成一片连续范围的信息场。所以如果在这个生成信息场的连续范围中，也有一个“排斥格”的话，那么也会很困难。

从上图就能看出，在中央的3*3面积的信息场中，有一个排斥格也就会很难受。

单元格数量越多，自然就越难，而且排斥格的难度系数更高。

需求格距离棋盘中心越近，就视为越简单，越远就越难。然而，排斥格则相反，离中心越近就越难（很难），越远就越简单。

通过测量每个相关单元格的边界（类似于巡边算法），如果这个边界是需求格和排斥格相邻边界，那么这个边界越高，那就越难。

于是，我们就可以筛选出衡量整体单元格图案的难度的几个量化维度：

基于此，我们最终实现出来的结果是这样的：

PS.这些图形的生成评分和筛选都是程序自动化的。只有8格基础图案的人工输入（攻城狮叉腰）。

哈哈，大家可以看看，这个评分是不是还挺准的呢？说句实话啊，笔者和主程当时都没有想象到，三条最基础的规则，的确就可以筛选出比较符合量化的内容，是不是也算一种“涌现”呢？（哈哈）。

尤其是第75分的那个版本，最开始我们人工来看也没有发现它的难度。但是它被评定那么高，我们还以为是出了bug。但是我们实测的时候，才发现被卡在两个犄角旮旯里面的需求格难度非常高。因为最好接触这两个需求格的方向都被排斥格填满了，所以只能从两侧绕过去。嘛，的确很难。

看样子，至少这个系统还算不错嘛！

综上，这就是R.O.O.T.中“信息场”截至现在的发展了。

从试图拓展一个玩法维度开始，到完整的的一个实时玩法，到现在是一个基于单元格以及相关图案的设计。有兴趣的大家一定可以在R.O.O.T.内试试哦！！~~

接下来我们也会持续更新我们的开发进度！无论是机制的、美术的、甚至音乐的等等部分的开发历程，希望感兴趣的大家能够持续关注我们！

欢迎关注R.O.O.T.官方交流群：714358523