Wangset 自动地形系统详解

Tue, 23 Jun 2026 10:00:00 +0000

本文基于 Tiled 的 Wangset 规范，以 corner 类型为主讲解如何标注 tileset、让编辑器自动选出正确的边角 tile。

一、什么是 Wangset

手动拼 tilemap 时，每次都要自己判断某个位置该用"左上角 tile"还是"上边 tile"——一旦地形形状复杂，就很容易选错。

Wangset 解决这个问题：你只需要一笔刷下去，系统根据周围邻居自动选出正确的 tile。

核心思路是给每个 tile 标注它的每个角/边属于哪种地形颜色，绘制时系统计算当前格子的周围情况，再去 wangset 里找最匹配的 tile。

→

二、三种类型

类型	使用的 bit	适合的地形
corner	4个角（NW/NE/SE/SW）	填充型：城墙、草地、水域
edge	4条边（N/S/E/W）	线条型：道路、河流、栅栏
mixed	全部8个 bit	复杂过渡，需要更多 tile

大多数情况用 corner 就够了。 corner 类型虽然只标角，但通过角的组合，间接表达了所有的边和拐角情况。

Tilemap 自动生成技术调研

Tue, 23 Jun 2026 01:00:00 +0000

调研范围：算法库、引擎内置方案、独立工具、AI 辅助生成
适用决策：2D 游戏/应用中的 Tilemap 自动生成方案选型

三条主路线

当前主流技术路线分三大方向：

约束传播类（WFC 及变体）：以 Wave Function Collapse 为代表，通过样例学习约束规则自动生成视觉一致的 tilemap，是近年最受社区关注的方向，适合有样例地图、追求局部一致性的场景。
传统程序化生成（PCG）：包括 BSP 分割、随机游走、噪声函数（Perlin/Simplex）、房间连接算法等，技术成熟、可控性强，是引擎内置方案的主流实现基础，适合工程化生产环境。
AI/ML 辅助生成：包括 GAN、扩散模型、强化学习等方向，处于学术探索阶段，少数工具已产品化，适合内容需求量极大且愿意投入训练成本的团队。

核心选型建议：

快速上手 + 风格一致 → WFC（fast-wfc 或引擎插件）
工程稳定 + 高可控 → Perlin Noise + BSP/房间算法（引擎原生）
编辑器辅助 + 团队协作 → LDtk + Auto-layer 规则
大规模内容生成研究 → PCGML 方向（学术）

一、约束传播类：WFC 及变体

技术原理

Wave Function Collapse（WFC）由 Maxim Gumin 于 2016 年提出，本质是一种约束传播 + 回溯搜索算法。输入一张样例 tilemap，算法自动提取相邻关系约束，再在新画布上逐格"坍缩"——每格从所有可能 tile 中选一个满足邻居约束的值，直到整张图确定。

核心优势：

无需手写规则，从样例自动学习
输出视觉上与样例风格高度一致
可保证局部邻接关系合法（无穿墙、无悬空）

核心缺陷：

可能出现矛盾（contradiction），需重试
全局结构控制弱（无法保证有入口/出口）
大地图生成速度较慢

主要项目对比

项目	语言	Stars（约）	许可证	特点	适用引擎
mxgmn/WaveFunctionCollapse	C#	~23k	MIT	原版实现，含 Overlapping 和 Tiled 两种模式	任意（命令行）
fast-wfc	C++	~1.1k	MIT	性能优化版，支持并行；适合嵌入 C++ 项目	任意
godot-wfc	GDScript	~300	MIT	Godot 4 插件，直接操作 TileMapLayer	Godot 4
unity-wave-function-collapse	C#	~800	MIT	Unity 集成，支持 3D Tile	Unity
wfc-rust（多个实现）	Rust	~200-400	MIT	高性能，适合服务端生成	任意
Tessera	C#	~600	MIT	Unity 插件，扩展了 WFC 支持约束自定义	Unity
superpositioned	TypeScript	~150	MIT	浏览器端 WFC，带可视化 demo	Web/JS

WFC 变体与改进方向

变体	解决的问题	代表实现
Constraint-augmented WFC	加入全局约束（保证连通性）	BorisTheBrave 的多篇博客 + 参考实现
Hierarchical WFC	先生成大结构再细化	学术论文方向，暂无成熟库
WFC + A*	生成后用寻路验证可玩性	需自行组合
Automatic Tiling（Auto-Tile）	非约束传播，基于位掩码规则自动选 tile	RPG Maker、Godot Terrain、LDtk Auto-layer

二、传统程序化生成（PCG）

核心算法类型

算法	原理	典型用途	优点	缺点
Perlin/Simplex Noise	连续随机函数生成高度图	地形/海拔/生物群系	平滑自然，速度极快	难以控制宏观结构
BSP（二叉空间分割）	递归分割空间生成房间	地下城、室内关卡	结构规整，无重叠	风格单一，走廊感强
随机游走（Drunkard’s Walk）	随机方向掘进生成通道	洞穴、有机地形	风格有机，实现简单	不可预测，需大量后处理
Cellular Automata	生命游戏规则迭代平滑	洞穴地形、平滑地貌	视觉自然，易于理解	生成结果不确定，难以调控
房间+连廊（Room & Corridor）	先放房间再连接通道	RPG 地下城	可控性强，标准做法	需要额外的装饰逻辑
Voronoi 分割	以随机种子点划分区域	地区划分、生物群系	视觉多样，可配合 Noise	实现稍复杂
L-System	文法规则递归展开	植被、分形结构	视觉有层次感	调参复杂，学习成本高

主要库与框架对比

项目	语言	Stars（约）	定位	主要功能
libtcod	C/C++/Python	~1.5k	经典 Roguelike 工具库	BSP、随机游走、FOV、寻路
rot.js	TypeScript	~2.3k	浏览器端 Roguelike 工具库	多种地图算法、随机数、FOV
gdungeon（Godot）	GDScript	~500	Godot 专用地下城生成	BSP + 走廊连接
dungeon-generator（npm）	JavaScript	~200	轻量地下城生成	房间+连廊
noise.js / open-simplex-noise	JavaScript	~1k+	Noise 函数库	Simplex/Perlin 多维噪声
FastNoiseLite	C/C#/多语言	~3k	高性能 Noise 库	多种 Noise 类型，Unity/Godot 均有移植
mapgen4	C++	~700	岛屿地图生成	Voronoi + 物理侵蚀模拟

引擎内置 PCG 能力

引擎	内置 Tilemap 生成支持	典型方案
Godot 4	TileMapLayer + Terrain 系统（Auto-tile）	内置地形自动拼接；PCG 需脚本实现
Unity	Tilemap + Rule Tile + Scriptable Tiles	Rule Tile 可做简单 Auto-tile；复杂 PCG 靠插件
GameMaker	内置 tilemap 函数	需手动实现算法
Phaser 3	内置 Tilemap（配合 Tiled）	无原生 PCG，靠 JS 脚本
LÖVE2D	无内置 tilemap，靠社区库	STI（Simple Tiled Implementation）读取 Tiled 数据

三、AI/ML 辅助生成（PCGML）

技术路线概览

方法	原理	成熟度	代表工作
GAN（生成对抗网络）	训练生成器模仿真实地图分布	🟡 中（学术可用）	DCGAN for Mario levels（Volz 2018）
VAE（变分自编码器）	学习地图潜空间，插值生成	🟡 中	Latent Variable Evolution
扩散模型（Diffusion）	图像级地图生成，细节丰富	🟡 中（2023-2024 新兴）	ControlNet 配合 tileset 风格化
Transformer/LLM	把 tilemap 当序列，自回归预测	🟡 中	GPT-2 生成 level 序列
强化学习（RL）	训练 Agent 设计关卡	🔴 低（难以实用）	PCGRL（Khalifa 2020）
Markov Chain	基于转移概率的序列生成	🟢 高	简单实现，效果有限
Evolutionary Algorithm	遗传算法优化地图适应度	🟡 中	配合可玩性评估函数

新兴方向：LLM 辅助关卡设计

近期（2024-2025）出现了用 LLM 作为关卡设计助手的实验性方向：

Tilemap on 大飞的博客