A Evolução de ARC Raiders EP3

04 de dezembro de 2025, leia o original aqui.

Olá, Raiders!

Está na hora do nosso último episódio da série sobre A Evolução de ARC Raiders. Já exploramos os estágios iniciais de desenvolvimento, bem como a forma como o jogo completo foi finalmente criado. Agora, queremos falar mais sobre o pior pesadelo de todos: os inimigos ARC.

No episódio 3 da nossa série, a equipe de desenvolvimento mostrará como o ARC surgiu, desde blocos desajeitados em um motor gráfico até máquinas de matar aterrorizantes e astutas. Abordaremos os seguintes tópicos:

Novas tecnologias: Como a equipe usou tecnologias inovadoras para treinar os primeiros robôs ARC?

Projetando a ARC: Como os inimigos mais icônicos de ARC Raiders foram projetados e qual a sua função?

Treinando a inteligência: Como os desenvolvedores usaram aprendizado de máquina para simular inteligência real e pensamento tático no ARC?

A Evolução de ARC Raiders EP3: Construindo as Máquinas ARC

Junte-se a nós para o episódio final da série documental sobre desenvolvimento e aprenda como o ARC evoluiu de blocos de brinquedo para predadores de topo complexos com pensamento tático.

Conheça seu inimigo por dentro e por fora, isso pode salvar sua pele um dia.

Danny O'Dwyer, apresentador

Olá e bem-vindos ao vídeo final da nossa série sobre o desenvolvimento de ARC Raiders.

Nos dois episódios anteriores, detalhamos como ARC Raiders mudou de um jogo cooperativo acelerado de caça a máquinas gigantes para um shooter de extração PvPvE mais íntimo e tático. Mas o sonho de derrubar grandes máquinas inteligentes nunca morreu. Na verdade, isso pode ser o pilar tecnológico definidor de todo este projeto. Digo “pode” porque, por anos, a Embark tem lutado para extrair resultados dessa nova tecnologia.

Veja, no início do desenvolvimento de ARC Raiders, a equipe da Embark decidiu apostar em uma tecnologia emergente para criar máquinas que parecessem se mover com inteligência. Não é IA no sentido tradicional dos games, nem no sentido moderno de IA generativa, mas sim a adoção de pesquisas inovadoras de machine learning no campo da robótica do mundo real — uma forma de permitir que as máquinas do jogo, grandes e pequenas, se movimentem de forma realista, cruzando terrenos complexos, reagindo, caindo e cambaleando quando sob fogo inimigo, caminhando, correndo e pulando mesmo quando um de seus membros for destruído.

Passei muito tempo conversando com pessoas muito inteligentes para entender exatamente como essa tecnologia funciona, a nova linguagem de design de jogos que ela possibilita e, sinceramente, o quão difícil é fazer tudo isso funcionar de maneira eficaz. Mas antes de chegarmos a qualquer uma dessas partes, vamos relembrar rapidamente as máquinas que povoam este mundo, instrumentos antagonistas do jogo, a ARC.

Gravamos essas entrevistas em 2024, cerca de um ano antes da data de lançamento do jogo. Muito do que os entrevistados mencionam já mudou ao longo dos 12 meses seguintes.

Que trabalho ainda resta a ser feito? E como ARC Raiders deve evoluir antes de ser lançado?

Virgil Watkins, Diretor de Desenho

Internamente, nós definimos amplamente os inimigos em aéreos e terrestres, por conta de como precisamos construí-los e como eles se comportam, o que tende a se encaixar mais claramente nessas duas categorias. E dentro dessas categorias, existem inimigos mais leves, inimigos “descartáveis” que, se ignorados, podem machucá-lo, mas não exigem muito para serem abatidos, até inimigos muito mais pesados, que representam uma ameaça significativa e exigem bastante esforço.

Na extremidade inferior dos inimigos aéreos, temos a Vespa (Wasp), que é um drone aéreo leve, com movimento um pouco errático e equipado com uma metralhadora leve que vai te incomodar com rajadas rápidas. Já sua “irmã mais velha” é o Marimbondo (Hornet), com placas de blindagem significativas, exigindo que o jogador use talvez algum tipo de granada para destruí-la ou flanqueie por trás para atingir seus propulsores desprotegidos.

O Rocketeer é um inimigo aéreo, e o nome descreve bem o que ele faz. É um drone aéreo grande e bem blindado que satura áreas de ameaça com foguetes à distância, forçando os jogadores a procurarem uma cobertura.

Paul Greveson, Artista Técnico Sênior

Se você quiser apenas atirar no centro dele, vai precisar de um pouco mais de tiros, mas é mais fácil de acertar — e cada tiro o empurra um pouco, o que pode atrapalhar sua mira se ele estiver prestes a disparar, e sempre foi assim.

Sempre existiu o conceito de um inimigo “pipoca”, onde surgem vários ao mesmo tempo e eles não têm muita vida, mas é agradável eliminá-los rapidamente — pop pop pop — algo muito satisfatório.

Virgil Watkins, Diretor de Desenho

Os inimigos terrestres são principalmente nossa resposta para espaços interiores, que na PI01, a primeira versão do jogo, quase não eram um fator. Era só um prédio pelo qual você corria a 50 km/h porque sua velocidade de movimento era tão alta que nada importava. Agora, você está mais devagar e interage com containers, e precisamos de maneiras de apresentar ameaças dentro de ambientes fechados.

Testamos muitos tipos nessa área, mas hoje temos o que chamamos carinhosamente de Bola de Fogo (Fireball) — basicamente uma esfera metálica que rola com facilidade pelos interiores, abre-se e dispara fogo contra você.

Nora Silow, Desenhista Técnica

A necessidade inicial era criar um inimigo realmente rápido, que pudesse alcançar os jogadores. Nosso mundo é bonito, mas tem muita geometria complexa, muita verticalidade e muitos desníveis que são difíceis para muitos inimigos terrestres navegarem. Então pensamos: “Precisamos de algo que esteja no solo, mas que realmente consiga perseguir os jogadores quando eles estão correndo, pulando, deslizando pelos cenários e usando seu mosquetão.” E então veio a ideia: “Espera… e se fosse uma bola?”

Paul Greveson, Artista Técnico Sênior

Você não precisa de pernas. Não precisa de rodas. Não precisa de esteiras. Apenas rolar.

Nora Silow, Desenhista Técnica

Não precisa de nada. Ele simplesmente vai para onde precisa estar. Certo.

Virgil Watkins, Diretor de Desenho

Temos outro chamado Carrapato (Tick,) que é um robozinho meio assustador, parecido com uma aranha. Ele consegue se agarrar às paredes, saltar delas e invocar outros inimigos se você chegar muito perto.

Caio Braga, Diretor de Produção

O saque vindo da IA é o mais valioso. Por exemplo, você encontra o núcleo de um inimigo — isso vira uma granada. Há um inimigo que chama outros inimigos, e a peça dele faz a mesma coisa. Então você pode armar uma armadilha para outro jogador: basta lançar o item e inimigos vão cair em cima dele. Estamos tentando fazer com que você use o loot dessa forma.

Danny O'Dwyer, apresentador

O primeiro passo na jornada para criar máquinas realistas é fazer um mundo em que a física seja precisa. A maioria dos jogos anima seus personagens sem considerar as leis da física. Mas se a Embark queria criar um mundo no qual robôs inteligentes pudessem caminhar livremente, era preciso garantir que leis como massa e gravidade fossem consistentes. Que o mundo de ARC Raiders fosse capaz de gerar momentos emergentes entre jogador, máquina e ambiente.

Caio Braga, Diretor de Produção

Nossos inimigos são completamente projetados com física. Todas as partes, tudo, usa física — a um ponto que às vezes é até um desafio. Porque se quisermos que um drone faça uma rolagem, ele não consegue por causa do peso dele e dos propulsores. Tudo isso é super realista no jogo. Então não é fácil justificar que ele faça uma manobra dessas. E todas as partes dos drones também podem ser arrancadas, e o drone reage a isso. Se sobrar só um propulsor, ele vai tentar atirar mesmo assim, e isso vai afetar sua trajetória e tudo mais.

Paul Greveson, Artista Técnico Sênior

Acho que é uma escolha entre controle e emersão. Porque se você quer algo como Dark Souls ou Bloodborne, onde os inimigos têm padrões muito específicos e o jogador aprende que depois de três segundos o inimigo vai se mover para a esquerda, depois faz outro movimento que leva um certo tempo, e então algo acontece… se você quer esse tipo de controle, você não pode usar física.

Nora Silow, Desenhista Técnica

Muitas filosofias de design — especialmente no desenho de inimigos — são muito difíceis de aplicar quando se tem esse tipo de sistema, porque dependem muito de reconhecimento de padrões. Você vê o inimigo se mover de uma certa maneira e pensa: “Ah, esta é a abertura para atacar.” Ou você, como jogador, sabe que, se fizer tal coisa, vai receber tal reação, e isso vai acontecer sempre. É nisso que jogos como Dark Souls e Monster Hunter se baseiam. Tínhamos essa ambição de ter chefes nesse mesmo estilo — Dark Souls, Monster Hunter — com reconhecimento de padrões envolvente. Mas percebemos que, se você derruba o inimigo de certo jeito, e o terreno tem uma pequena inclinação, e talvez outra pessoa esteja em outro ponto atirando uma granada… isso tudo faz com que o padrão não funcione. Você não terá o comportamento que esperava.

Paul Greveson, Artista Técnico Sênior

Se você tem um inimigo grande voando no meio de um grupo de drones menores, e joga uma granada que explode e uma das peças do motor voa e acerta outro drone, que então cai para o lado, você obtém esses momentos cinematográficos realmente memoráveis — e nada disso foi projetado diretamente. São coisas que acontecem naturalmente, o que é muito legal. E achamos que isso valia a pena, mesmo que às vezes não consigamos fazer exatamente o que queremos. Em troca, ganhamos esses momentos marcantes que podem simplesmente acontecer sem ninguém planejar.

Danny O'Dwyer, apresentador

Conseguir que a física funcione para barris ou granadas é uma coisa. Conseguir que funcione para drones com partes que podem ser arrancadas é um desafio diferente, mas fazê-la funcionar para máquinas do tamanho de prédios é uma história completamente diferente. Isso acontece por causa da natureza da maioria dos motores de jogo e simulações físicas. Os jogos não foram feitos para calcular massa nessa escala, e ter inimigos pesando milhares de toneladas cria desafios em como eles se movem e interagem com o mundo. Porque areia, em videogames, não é areia. É geometria, textura e sombras. Porque rochas e terra não se desmancham sob o peso de coisas pesadas na maioria dos jogos.

David Dixon, Diretor de Animação

Dentro da simulação, tudo é apenas números funcionando. Os pesos das coisas existem ali. Você define, por exemplo, que uma perna pesa seis toneladas, ou que o centro de massa de um robô deve ter dez mil quilos. Mas, para que ele consiga suportar seu próprio peso, é preciso ajustar valores que determinam quanta força cada membro possui. E quando você começa a lidar com números absurdos para tentar sustentar a máquina, surgem comportamentos estranhos: pernas extremamente rígidas, cheias de energia, mas que fazem pequenos movimentos contra o chão, criando uma espécie de quique mecânico. E se você reduz esses valores, ela não consegue mais se sustentar e começa a tropeçar e cair. Então existe esse meio-termo, muito difícil de encontrar, que faz tudo parecer natural, mas ao mesmo tempo dá poder suficiente para que a criatura realmente se locomova.

Oskar Holmkratz, Animador Técnico

É um problema clássico em jogos: quando você tem física, os objetos não penetram uns nos outros. Algo repousa sobre outra superfície, mas não afunda profundamente nela. E se estamos falando de chefes enormes, eles deveriam afundar no concreto ou em qualquer outra coisa, não só areia. Mas não conseguimos fazer isso nos jogos sem truques e ilusões.

David Dixon, Diretor de Animação

Isso quebra totalmente a ilusão quando você quer ver, por exemplo, um pé gigantesco esmagar um veículo como em certas cenas famosas, e isso não acontece. Em vez disso, o pé só encosta de leve, e você pensa: “Ué, achei que isso fosse enorme e pesado.” Não convence.

Danny O'Dwyer, apresentador

No início do desenvolvimento de ARC Raiders, a equipe da Embark decidiu montar um time para explorar a possibilidade de usar pesquisas inovadoras da robótica para permitir que os inimigos se locomovessem de forma independente, sem animações pré-definidas. A tomada de decisão continuaria sendo feita pela lógica do jogo, mas a forma como a máquina vai de um ponto A a um ponto B seria decidida por um cérebro gerado via aprendizado de máquina.

Sabe aqueles vídeos da Boston Dynamics tentando ensinar um robô bípede a pular em cima de uma caixa? ARC Raiders tenta fazer algo parecido, mas seus robôs são muito maiores, têm muito mais pernas e, crucialmente, precisam fazer algo que jogos tradicionais não conseguem. Porque, quando você arranca uma das pernas, eles precisam ser capazes de se adaptar. Se você arrancar uma dessas pernas, esses robôs precisam ser capazes de se adaptar.

Stefan Strandberg, Diretor Criativo

Eu acredito, como me disseram, os objetivos deles ficaram muito próximos dos objetivos reais da Boston Dynamics, em vez dos problemas comuns de game design. Eles realmente precisaram descobrir como essas máquinas navegariam usando sua própria “visão” e precisavam ser fisicamente precisas, até na posição dos motores e no fluxo de ar. Tudo precisava estar no lugar certo para funcionar.

O mais empolgante — e ainda é — é o fato de que, usando essa tecnologia no sistema de locomoção, mesmo perdendo membros, a máquina ainda tenta ficar de pé. Isso abre espaço para imaginar um novo tipo de comportamento, quase de autopreservação, e como isso dialoga com os jogadores. Para nós, ver isso foi o início de uma experiência completamente nova para os jogadores. É literalmente jogar contra uma máquina.

Robert Träffe, Diretor Técnico

O aprendizado de máquina, naquele ponto, só cuidava da locomoção. Ele apenas fazia o robô ir do ponto A ao ponto B. Nada de inteligência na tomada de decisões. Isso depende do modelo. Alguns modelos consomem muita memória e essa talvez seja a maior consideração, já que alguns modelos de linguagem e outros recursos semelhantes consomem gigabytes de memória. Mas esse modelo de locomoção não consome tanto. O mais caro não é o ML em si, mas o que chamamos de observações: a forma como os agentes obtêm informações do mundo. Eles não “veem” como um jogador. Para detectar uma parede, por exemplo, é preciso fazer diversos traçados lineares ou moldes. E precisamos de milhares para que a IA entenda o ambiente. Pelo menos para locomoção, esse é o processo.

Danny O'Dwyer, apresentador

A jornada para fazer esse sistema de locomoção funcionar foi longa e difícil, envolvendo vários setores do time: animadores, técnicos, artistas e engenheiros de jogabilidade. Também exigiu que o estúdio olhasse para fora, para o mundo da pesquisa científica.

Martin Singh Blom, Líder de Pesquisa

Eu fiz meu doutorado em matemática e achei que a matemática pura era um pouco seca demais. Então comecei a buscar aplicações, e a aplicação que encontrei foi usar Aprendizado de Máquina na biologia. Trabalhei com doenças hereditárias como Diabetes e Doença de Crohn e coisas assim, tentando identificar os genes-alvo envolvidos nisso por meio de aprendizado de máquina. Isso revolucionou completamente o campo. Acho que muito em breve veremos um Prêmio Nobel para a DeepMind, a Google DeepMind, pelo trabalho deles em aplicações de aprendizagem de máquina para biologia. Tenho certeza disso.

Arvid Burström, Diretor Técnico de Animação

Muito no começo, tivemos um teste em que, mesmo que o andar — o jeito que ele se movia — fosse meio “meh”, nós jogávamos caixas nele. Ficávamos jogando, acho que eram caixas de 100 kg, e ele simplesmente reagia. E é aí que você pensa: “caramba, existe uma mágica aqui”. Do ponto de vista de animação, estou acostumado a pensar: “ok, como eu dividiria isso em uma sequência de animações?”. Nesse caso seria: podemos jogar uma caixa nisso de qualquer ângulo, em qualquer direção, com qualquer peso, tanto faz. E fico pensando na complexidade da animação — como lidar com complexidade arbitrária? Aí eu precisaria de uma quantidade infinita de animações ou blends, e isso é um pesadelo. É por isso que você muitas vezes vê coisas como: se eu te der um soco no ombro em um videogame, você só faz aquela animação pré-definida de encolher ou a sequência pronta.

Martin Singh Blom, Líder de Pesquisa/Investigação

E o engraçado dessa abordagem, eu acho, é que ela meio que estragou algumas animações de outros jogos para mim. Agora, quando olho para outros jogos, fico tipo: espera aí, o centro de gravidade está errado, isso não parece certo, e isso me irrita muito.

Arvid Burström, Diretor Técnico de Animação

Um conhecedor de animação, pelo visto.

Martin Singh Blom, Líder de Pesquisa

Mas todo o resto que eles fazem parece tão bom. Quando eles andam em terreno plano, por exemplo — aquilo é um ciclo de animação feito à mão, que fica realmente bom. Como animador, eu quero transmitir essa sensação de peso, essa sensação de ameaça naquele caminhar, ou uma sensação de alegria, ou seja lá o que for. E nós simplesmente aceitamos o que os robôs nos dão, e isso frequentemente parece meio ruim em comparação com essas “caminhadas Disney”, certo?

Por outro lado, quando você joga algo nele, ou quando ele escorrega, ou quando o chão não é nivelado, nossos robôs fazem a coisa certa. E os robôs deles não são robôs de verdade — eles não fazem a coisa certa. Eles simplesmente aplicam uma dentre umas vinte animações pré-definidas, e isso não combina com a situação.

Danny O'Dwyer, apresentador

O processo de treinar esses “cérebros” é complicado. Basicamente, alguém precisa dar certas condições ao cérebro, deixá-lo treinar usando essas condições e depois testá-lo em uma máquina para ver o que ele faz certo e o que faz errado. Um exemplo de condição seria: se um inimigo está longe, corra rápido até ele; ou, se um inimigo humano está atirando em você, tente pular por cima. O problema central desse trabalho é que, quando um desses cérebros fica pronto, você não pode simplesmente ajustar seu comportamento — é preciso voltar às condições originais, treinar o cérebro inteiro novamente e então testar se a nova versão funciona melhor. Isso gera um problema, porque as soluções que um humano imaginaria podem ser bem diferentes das soluções que esses cérebros de robô encontram.

Caio Braga, Diretor de Produção

Encontramos diversão jogando contra os grandes inimigos treinados por machine learning, certo? Mas o problema era replicar essa diversão — e isso é muito difícil, porque não é previsível. É muito difícil simplesmente dizer: “faça isso”. Ele não faz. Ele não segue ordens desse jeito. Você precisa treiná-lo e ensiná-lo. E às vezes ele encontra maneiras esquisitas de fazer as coisas de forma mais eficiente — como tirar todas as pernas menos duas, porque isso o deixa mais rápido, mas ao mesmo tempo faz com que ele pareça ridículo. Não vira o inimigo ameaçador que queríamos. Sempre tivemos esse dilema com Machine Learning por causa da falta de previsibilidade.

Arvid Burström, Diretor Técnico de Animação

O agente descobriu que, se enfiasse o pé no chão com força, mais rápido do que o servidor conseguia acompanhar, ele poderia usar essa “penetração” para se impulsionar.

Martin Singh Blom, Líder de Pesquisa

Um exemplo típico era quando dávamos um biscoito quando ele alcançava uma bandeira, e então movíamos a bandeira para outro lugar. Em certo momento, tentamos treinar assim: quanto mais perto ele estivesse da bandeira, maior era a recompensa — um biscoito melhor. E claro, o que ele aprendeu foi correr até a bandeira e parar com o “nariz” quase encostado nela, porque sabia que, se tocasse a bandeira, ela desapareceria, e coisas ruins começariam a acontecer. Para ele, isso era muito pior.

Mas você está tocando em algo que acho que foi um grande problema: a interação entre designers de jogo e o ciclo de machine learning. Isso foi muito difícil por muito tempo. Eu sentia que os designers pediam algo e nós pensávamos: “acho que isso é possível, vamos ver”. Aí, três meses depois, voltávamos dizendo “agora conseguimos implementar aquela requisição de ataque”, e eles respondiam: “ah, já contornamos isso faz tempo”.

Danny O'Dwyer, apresentador

A equipe da Embark enfrentou essas questões com várias soluções. Uma delas foi treinar os cérebros usando dados reais de animação, ajudando a guiar seus movimentos — quase como dar um modelo-base para o cérebro. Outra abordagem foi, em vez de ter um único cérebro para cada máquina, dar vários cérebros especializados em tarefas diferentes. Isso ajudou tanto a fazer as máquinas funcionarem corretamente quanto a dar mais controle aos desenvolvedores para ajustar comportamentos.

Martin Singh Blom, Líder de Pesquisa

Acho que só recentemente conseguimos fazer com que os componentes de locomoção fossem previsíveis e diversos o bastante para que os designers tivessem “blocos de construção” para usar sem precisar envolver a equipe de ML a cada passo. Agora eles sabem que têm comportamento de parada, de patrulha, de ataque, de investida corpo a corpo — e podem combinar isso para criar um bom desenho de jogo.

Virgil Watkins, Diretor de Desenho

Como vocês devem ter comentado, é difícil fazer ML executar ações com extrema intenção. E muitas vezes pedimos para ele fazer coisas que ele não faz bem, como telegrafar e atacar com precisão. Então encontrar maneiras de transformar algo que anda de forma competente em terreno complexo em um inimigo satisfatório de enfrentar é um desafio.

Patrick Söderlund, Fundador e CEO

Nosso trabalho com aprendizado de máquina para locomoção está sendo usado hoje — talvez não no nível que esperávamos no início, porque se provou muito mais difícil do que imaginávamos — mas está presente no jogo, e faz ARC Raiders ser diferente de qualquer outro. Essa tecnologia vai evoluir com o tempo. Fomos apenas um pouco ambiciosos demais, talvez cedo demais, e não tínhamos recursos e conhecimento suficientes na época para resolver tudo plenamente.

Caio Braga, Diretor de Produção

Acho que estamos chegando a um ponto em que estamos mais confortáveis com isso. Por isso queremos manter como ambição — sempre ter pelo menos um inimigo com machine learning no jogo. Mas é muito mais complicado. Nós fizemos um novo protótipo de um grande inimigo sem machine learning, usando animação procedural, e ele deu resultado. Como eu disse, você pode simplesmente dizer: “pare ali, coloque a perna aqui”, e coisas assim. Era muito mais simples de produzir, embora tenhamos tido alguns animadores trabalhando nisso em tempo integral por seis meses. Esse é o custo-benefício da coisa.

Danny O'Dwyer, apresentador

ARC Raiders está sendo lançado em um dos mercados de videogame menos previsíveis de todos os tempos, onde jogadores querem experiências novas e empolgantes para jogar com amigos por dias, semanas ou meses. Mas isso não impediu a Embark de assumir riscos ousados na jogabilidade e na tecnologia. Tanto em ARC Raiders quanto em THE FINALS, dá para ver o quanto o estúdio tem sede de evoluir qualquer gênero, mesmo que isso leve anos de experimentação.

E tendo acompanhado o desenvolvimento de ARC Raiders, fica claro que eles não têm medo de descartar ideias medianas que não atingem suas metas. O tempo dirá qual será o público final de ARC Raiders. Produzimos esses vídeos muito antes do lançamento, mas uma coisa é certa: não importa como o jogo estrear, ele vai continuar evoluindo, assumindo riscos e impulsionando a tecnologia e, mais importante, a jogabilidade, adiante.

aliste-se.resista

Embarque na Aventura com o Blog ARC Raider Brasileiro!

---

Olá, Raider! Se você é apaixonado por ARC Raiders e adora mergulhar nas emoções, estratégias e novidades desse universo pós-apocalíptico, este blog é o seu lugar! Convido você a se inscrever e fazer parte da comunidade. Aqui, compartilho dicas, análises, atualizações e curiosidades sobre ARC Raiders, sempre com um toque de paixão e respeito pelos fãs do jogo. O objetivo é criar um espaço onde possamos trocar ideias e vivenciar juntos cada momento dessa aventura.

Inscreva-se agora e venha construir essa jornada junto! Sua participação é o que dá vida ao blog.