Serie sobre el estado de los sistemas de VALORANT: diversidad de mapas

AVISO DEL EDITOR: este artículo forma parte de una serie de profundizaciones sobre temas relacionados con los sistemas de juego, específicamente en las dinámicas del jugador y el espacio competitivo/social de VALORANT. Conoce más sobre esta serie en nuestra Introducción. También puedes leer nuestros artículos anteriores sobre ausencias (AKF) y toxicidad en el chat de texto y de voz.

¡Hola de nuevo! Soy Brian Chang, miembro del equipo de Competitividad de VALORANT. Este artículo será un poco diferente a los anteriores de la serie sobre el estado del sistema de juego, ya que se concentrará en un tema muy específico: la aleatoriedad de los mapas.

Si alguna vez se preguntaron cómo es posible que les tocara jugar Icebox por 4 partidas seguidas, ¡están en el lugar indicado!

Hemos notado que la frustración es una reacción muy habitual cuando se encuentran con el mismo mapa en varias partidas seguidas. En una encuesta reciente, más de un tercio de los jugadores de VALORANT respondieron que es “extremadamente frustrante” encontrarse con el mismo mapa en varias partidas seguidas.

Esto no debería sorprendernos. Jugar siempre en el mismo mapa hace que el juego se estanque pronto y limita los desafíos con los que te puedes encontrar en una partida. Es por eso que queríamos asegurarnos de mejorar la diversidad de mapas que aparecen para jugar sin afectar el emparejamiento (al impactar en cosas como los tiempos de cola o el balance de las partidas).

Para explicar los cambios que hicimos y los resultados de esos cambios, echemos un vistazo a cómo era el sistema antiguo.

LANZAMIENTO (JUN. 2020) HASTA LA VERSIÓN 1.08 (SEPT. 2020)

Cuando lanzamos el juego al inicio, la selección de mapas era lo más aleatoria posible. Cuando 10 jugadores ingresaban a una partida, nuestro sistema de emparejamiento elegía un mapa aleatorio entre los disponibles (en ese entonces, había un total de 4 mapas). Todos los mapas tenían la misma probabilidad (25%) de selección, no importaba si un jugador había jugado en él hacía poco.

Obviamente, con solo 4 mapas disponibles para asignar, los jugadores experimentaban bastante la repetición de mapas. Así era la distribución de rachas de mapas consecutivos en aquel periodo de tiempo:

Si jugabas 5 partidas seguidas en ese entonces, había un 26% de probabilidad de que te encontraras con el mismo mapa 3 o más veces seguidas. El 1% menos afortunado (¿o afortunado?) se encontraba con el mismo mapa 5 veces en 5 partidas consecutivas.

DE LA VERSIÓN 1.08 (SEPT. 2020) HASTA LA VERSIÓN 4.04 (MAR. 2022)

Enseguida nos dimos cuenta de que la selección “completamente aleatoria” no era lo ideal porque, aunque te guste mucho el mapa, si te tocan 5 partidas seguidas en Ascent, el juego se puede estancar muy rápido. Para combatir ese problema, implementados un sistema de selección “pseudoaleatorio”, con el objetivo de mostrar mapas que los jugadores no se hubieran encontrado en partidas recientes.

Este método favorecía los mapas que, en su conjunto, no les habían tocado a los 10 jugadores de una partida. Además, penalizaba fuertemente los mapas que le hubieran aparecido de forma consecutiva a cualquiera de los jugadores.

En resumen, queríamos reducir la frecuencia de las repeticiones de mapas, pero la selección en sí todavía tenía un componente “aleatorio” ponderado. Dicho de otro modo, era menos probable que alguien tuviera mala suerte y le tocara una racha de mapas repetidos, pero seguía siendo altamente posible pasar por eso. Por ejemplo, una partida podía incluir a varios jugadores que habían jugado hacía poco en Split. Esto podía resultar en un 5% de probabilidad de que Split fuera el mapa seleccionado. Sin embargo, ese 5% podía significar que a algunos jugadores les tocara Split unas 4 o hasta más de 5 veces seguidas.

Así era la distribución de rachas de mapas consecutivos:

Como pueden ver, el número de jugadores que experimentaban una racha de 3 o más mapas seguidos se redujo significativamente (de 26% con el método “completamente aleatorio” al 10% con el método “pseudoaleatorio”).

A medida que agregábamos más mapas al juego, la frecuencia en la que los jugadores se encontraban con rachas del mismo mapa se reducía significativamente. Así era la distribución de rachas cuando lanzamos más mapas (sin cambios importantes en nuestra metodología de selección):

Con solo aumentar el número de mapas jugables, la cantidad de rachas de 3 o más mapas seguidos se redujo del 10% al 3% y ¡sin hacer ningún cambio en la metodología de selección!

DE LA VERSIÓN 4.04 (MAR. 2022) HASTA LA ACTUALIDAD:

Los cambios realizados hasta ahora resultaron en una mejora importante, lo que nos hizo pensar que nuestro trabajo estaba hecho por el momento. Sin embargo, sus comentarios nos dijeron que faltaban cosas por hacer.

En una encuesta enviada a jugadores de Norteamérica en marzo de este año, el 67% de los jugadores respondió que sentían que se encontraban con el mismo mapa varias veces seguidas “a menudo” o “muy a menudo”.

Esto fue alarmante para el equipo; a pesar de las mejoras que observamos en nuestra telemetría, la percepción de los jugadores era que las rachas de mapas consecutivos seguían presentes en el juego. Aparte de las encuestas, también notamos que comentarios como “¿por qué me tocó Icebox 3 veces seguidas?” aparecían con frecuencia semanal en Reddit o Twitter.

Decidimos explorar formas de mejorar el sistema una vez más. Específicamente, nos dimos cuenta de que lo que pedían no era una selección de mapas más “aleatoria”, sino una más diversa. Al intentar hacer aleatoria la selección con el sistema antiguo, no terminábamos de minimizar la posibilidad de escenarios de “mala suerte” experimentados por los jugadores.

En lugar de una selección de mapas aleatoria, decidimos crear un sistema de selección determinística, que siempre seleccione un mapa que minimice la posibilidad de rachas de repeticiones. Si un mapa ha aparecido muy a menudo en tu historial reciente, lo quitaremos por completo de la lista de mapas posibles. De este modo, siempre seleccionaríamos el mapa menos visto por los 10 jugadores de la sala.

Ese cambio se implementó en la versión 4.04, primero a modo de prueba regional en LATAM, luego en todo el mundo. Era importante para nosotros que esos cambios no aumentaran los tiempos de cola o impactaran en el balance, ya que afectar negativamente cualquiera de esas métricas sería un costo muy alto a pagar.

Estos son los resultados de los cambios más recientes respecto de las rachas de mapas consecutivos:

¡Es la mejora más importante hasta ahora! El porcentaje de jugadores que experimentaron el mismo mapa 3 veces seguidas descendió a 0.06% (1 de cada 1700 jugadores, aproximadamente). Además, en este periodo de una semana en el que observamos la cola competitiva, un total de 8 entre los varios millones de jugadores se encontraron con el mismo mapa 4 veces seguidas. Como nota divertida, 2 de esos 8 eran evasores seriales de partidas que evitaban mapas específicos (¡para los otros 6, lamentamos que hayan tenido tanta mala suerte!). A ningún jugador le apareció el mismo mapa 5 o más veces seguidas. Estos cambios se realizaron con nulo impacto negativo en los tiempos de cola o el balance de las partidas.

Hay otras métricas que observamos junto a las rachas de mapas consecutivos, como si aparece el mismo mapa con demasiada frecuencia (no necesariamente en una racha) y cuánto tiempo pasa hasta que juegues en el mismo mapa al menos una vez. Ambas métricas mejoraron significativamente después de los cambios que hicimos en la versión 4.04.

¿Y CÓMO SEGUIMOS, ENTONCES?

Como mencionamos en el último Pregúntale a VALORANT, creemos que hay veces en las que tener agencia a la hora de seleccionar mapas tiene sentido, sobre todo en el juego en equipo altamente competitivo y coordinado, como el modo torneo que planificamos.

En este momento, tenemos bastante confianza en que la selección determinística de mapas alivia muchos de los problemas en relación con la diversidad en la selección de mapas. Nuestras encuestas más recientes también muestran que la apreciación mejoró después de los cambios. Seguiremos observando nuestros datos para ver si es necesario realizar cambios adicionales, pero por ahora, los cambios parecen funcionar bien.