الفكرة العامة

كل ميني جيم في المشروع هتمشي على نفس 3 مراحل:

1) Data Collection

أثناء اللعب، السيستم بيسجل أفعال اللاعب والمؤشرات المهمة الخاصة بالميني جيم.

2) Evaluation

في نهاية الميني جيم، السيستم يحسب Score لكل مقياس من المقاييس المطلوبة.

3) Robot Update

بعد ظهور النتيجة، السيستم يعدل قيم الروبوت مرة واحدة فقط بناءً على الأداء.

مهم:

• مفيش أي تحديث لقيم الروبوت أثناء الميني جيم
• التحديث بيحصل بعد النهاية فقط

الشكل الموحد لأي Mini-Game

كل ميني جيم لازم يتكتب بنفس الفورمات ده:

• Tracked Metrics
  إيه الحاجات اللي هتتقاس

• Score Calculation
  إزاي هنحول القياس لدرجات

• Affected Robot Stats
  إيه القيم اللي هتتعدل في الروبوت

• Update Rules
  إزاي التعديل هيحصل

ده يضمن إن أي حد في التيم يقدر يشتغل بنفس النظام.

1) Robot Stats System

الروبوت هيكون له ملف واحد ثابت

نعمل RobotStats كـ ScriptableObject أو Data Asset فيه كل القيم الأساسية اللي بتتعدل طول المشروع.

القيم المقترحة

Movement

• MoveSpeed

• TurnSpeed

• PathAccuracy

• Stability

• InputResponsiveness

Systems

• EnergyConsumptionRate

• BatteryCapacity

• AudioClarity

Cognition

• CommandUnderstanding

• DecisionConfidence

دول كفاية جدًا كبداية، وأي حاجة زيادة تتضاف بعدين لو فعلًا احتجناها.

2) Metric System

كل ميني جيم يختار من 3 إلى 4 Metrics فقط

ماينفعش كل ميني جيم يقيس 8 حاجات، لأن ده هيعقد الحسابات ويشتت الفريق.

Metrics Library مقترحه موحدة للمشروع

دي قائمة المقاييس المقترحه اللي أي ميني جيم يختار منها:

• PathAccuracy

• CorrectionAccuracy

• ResponseTime

• EnergyEfficiency

• CollisionSafety

• CommandExecution

• TargetAlignment

• SpeedConsistency

كل ميني جيم يختار المقاييس المناسبة له فقط.

3) طريقة الحساب الموحدة

كل Metric بيتحول لنسبة من 0 إلى 100

يعني في الآخر كل Metric لازم يطلع Score واضح:

• 0 = أداء سيئ جدًا

• 50 = أداء مقبول

• 100 = أداء ممتاز

بعد كده نستخدم الأوزان.

Final Score Formula

Final Score = Sum(Metric Score × Metric Weight)

لازم مجموع الأوزان = 100%

4) مثال ثابت على الحساب

Mini-Game 1: Control Calibration

Tracked Metrics

• PathAccuracy = 40%

• CorrectionAccuracy = 35%

• ResponseTime = 25%

Example

• PathAccuracy = 80

• CorrectionAccuracy = 60

• ResponseTime = 70

Final Score

Final Score = (80 × 0.40) + (60 × 0.35) + (70 × 0.25)
Final Score = 32 + 21 + 17.5 = 70.5

النتيجة النهائية = 70.5 / 100

5) Performance Tier System

بدل ما كل ميني جيم يخترع Rules جديدة، نستخدم Tiers ثابتة في المشروع كله:

• Excellent: 85 – 100

• Good: 70 – 84

• Average: 50 – 69

• Fail: أقل من 50

وده يخلي الفريق كله شغال بنفس المنطق.

6) Robot Update Rules

التعديل على الروبوت ما يكونش مباشر بنسبة الدرجة

يعني غلط جدًا نقول:

• اللاعب جاب 90 → نزود Stability بـ 90

الصح:

• كل Tier له تعديل ثابت وصغير

Update Values المقترحة

Excellent

• تحسين كبير

Good

• تحسين متوسط

Average

• تحسين بسيط

Fail

• بدون تحديث أو إعادة المحاولة

Example Update Table

لو الميني جيم بتأثر على:

• Stability

• PathAccuracy

• InputResponsiveness

يبقى التحديث يبقى كده:

كل القيم لازم تتعمل لها Clamp بين 0 و 1

7) قاعدة التوازن

لازم كل Robot Stat يبقى له:

• Minimum Value

• Maximum Value

• Default Value

مثال

• Stability = 0.40 في البداية

• أقل قيمة = 0

• أعلى قيمة = 1

بعد أي تحديث:

New Value = Clamp(Current Value + Delta, Min, Max)

ده يمنع أي Stat يبوظ أو يكسر اللعبة.

8) إزاي كل Mini-Game تعرف تعدل إيه

كل ميني جيم لازم يبقى فيها Data واضح بالشكل ده:

Mini-Game Learning Profile

• Metrics Used

• Weights

• Required Pass Score

• Affected Robot Stats

• Update Amounts per Tier

Example: Control Calibration Profile

Metrics Used

• PathAccuracy

• CorrectionAccuracy

• ResponseTime

Weights

• PathAccuracy = 40%

• CorrectionAccuracy = 35%

• ResponseTime = 25%

Pass Score

• 50

Affected Robot Stats

• Stability

• PathAccuracy

• InputResponsiveness

Update Amounts

• Excellent → +0.15 / +0.15 / +0.10

• Good → +0.10 / +0.10 / +0.07

• Average → +0.05 / +0.05 / +0.03

• Fail → No Update

Example: Sound Card Efficiency Trial Profile

Metrics Used

• EnergyEfficiency

• CollisionSafety

• PathAccuracy

Weights

• EnergyEfficiency = 40%

• CollisionSafety = 35%

• PathAccuracy = 25%

Pass Score

• 50

Affected Robot Stats

• EnergyConsumptionRate

• DecisionConfidence

• PathAccuracy

Update Amounts

• Excellent → -0.10 / +0.10 / +0.08

• Good → -0.07 / +0.07 / +0.05

• Average → -0.03 / +0.03 / +0.02

• Fail → No Update

مهم:

• القيم اللي زي EnergyConsumptionRate تتحسن بالنقصان، لأن الأقل أفضل

9) Standard Flow for Every Mini-Game

كل ميني جيم لازم تمشي بالترتيب ده:

Step 1: Start

• الميني جيم تبدأ

• السيستم يقرأ الـ Learning Profile الخاص بيها

Step 2: Track

• أثناء اللعب، السيستم يجمع الداتا المطلوبة فقط

Step 3: Evaluate

• عند النهاية، يتحسب Score لكل Metric

• يتحسب Final Score

• يتحدد الـ Tier

Step 4: Apply Update

• لو اللاعب نجح:

  • نعدل Robot Stats حسب الـ Tier

• لو فشل:

  • مفيش تعديل

  • يعيد الميني جيم

Step 5: Save Result

• نحفظ النتيجة

• نحدث الـ RobotStats

• نعرض التقرير

10) Tech Structure المقترح

ملفات أساسية

1. RobotStatsSO

فيه القيم الحالية للروبوت

2. MiniGameLearningProfile

فيه إعدادات كل ميني جيم:

• metrics

• weights

• affected stats

• deltas

• pass score

3. MiniGameTracker

يجمع الداتا أثناء اللعب

4. MiniGameEvaluator

يحسب النتيجة النهائية

5. RobotStatUpdater

يطبق التحديث على الروبوت

11) النظام البسيط اللي الفريق كله يمشي عليه

Rule 1

كل ميني جيم تستخدم من 3 إلى 4 metrics فقط

Rule 2

كل Metric لازم تتحول لدرجة من 100

Rule 3

كل ميني جيم لازم يكون لها Learning Profile واضح

Rule 4

كل Robot Stat تتحدث في النهاية فقط

Rule 5

كل التحديثات تكون قيم صغيرة ومقفولة بـ Clamp

Rule 6

كل ميني جيم تعدل 2 أو 3 stats فقط

12) Template جاهز لأي Mini-Game جديدة

تقدر تخلي الفريق يملأ التمبلت ده في أي ميني جيم:

Mini-Game Learning Template

• Mini-Game Name:

• Pass Score:

• Metrics Used:

• Metric Weights:

• Tracked Events:

• Final Score Formula:

• Affected Robot Stats:

• Excellent Updates:

• Good Updates:

• Average Updates:

• Fail Behavior:

13) هل فيه حاجات زيادة عندك لازم تتشال؟

أيوه، علشان النظام يفضل سهل:

أجّل دلوقتي:

• HallucinationChance

• MemoryRetention

• SensorRange

• ObstacleAvoidance

مش عشان وحشين، لكن لأنهم:

• مش ضروريين لأول vertical slice

• وهيعقدوا الـ balancing

• وبعضهم محتاج systems أكبر من اللي عندك حاليًا

14) البداية العملية الصح

ابدأوا كفريق بالترتيب ده:

أولًا

اعتمدوا قائمة Robot Stats الأساسية فقط

ثانيًا

اعملوا Learning Profile للميني جيم الأولى

ثالثًا

اعملوا Tracker بسيط لثلاث metrics فقط

رابعًا

اعملوا Evaluator يطلع:

• metric scores

• final score

• tier

خامسًا

اعملوا Updater يعدل الـ ScriptableObject

الخلاصة

السيستم اللي أنصحك تعتمدوه للمشروع كله هو:

• RobotStats ثابتة في ScriptableObject واحد

• كل ميني جيم لها Learning Profile خاص

• كل ميني جيم تقيس 3–4 metrics فقط

• كل metric تتحول لدرجة من 100

• النتيجة النهائية تطلع Tier موحد

• الـ Tier هو اللي يحدد التعديل

• التحديث يحصل مرة واحدة في آخر الميني جيم

• كل التعديلات صغيرة ومقفولة

ده System:

• سهل على الفريق

• سهل يتبرمج

• سهل يتظبط

• وسهل يتكرر على كل المشروع

لو عايز، أقدر أكتب لك بعده مباشرة:
نسخة technical table جاهزة للميني جيم الأولى والثانية بحيث تبقوا أول حاجتين شغالين على نفس السيستم.