سیستم ریپورت روبلاکس با تکنولوژی جدید به‌روزرسانی شد

چالش‌های مدیریت محتوا در فضای سه‌بعدی

مدیریت محتوا در محیط‌های سه‌بعدی و پویا، خیلی سخت‌تر از بررسی یک متن یا پست در شبکه‌های اجتماعیه. در روبلاکس، بازیکن‌ها می‌تونن آیتم‌های مختلف رو با هم ترکیب کنن تا چیزی بسازن که در نگاه اول بی‌ضرر به نظر می‌رسه، اما در مجموع باعث ایجاد محتوای نامناسب میشه. برای مثال، ترکیب دو تا تیشرت که هر کدوم حروف جداگانه‌ای دارن، ممکنه در نهایت باعث شکل‌گیری یک کلمه توهین‌آمیز بشه. چون این اتفاقات در فضای سه‌بعدی رخ میده و ردپای متنی ازشون نمی‌مونه، اسکرین‌شات‌های ساده هم کمک زیادی به تیم مدیریت نمی‌کردند، چون تشخیص اینکه کدوم آواتار در اون لحظه متخلف بوده، به‌خصوص وقتی بازیکن‌ها روی هم می‌افتن، تقریباً غیرممکن بود.

تکنولوژی ری‌کستینگ و شناسایی دقیق

برای حل این مشکل، Roblox از تکنیک ری‌کستینگ (Ray Casting) یا پرتاندزی استفاده کرده تا بتونه اطلاعات دقیق‌تری از فضای سه‌بعدی استخراج کنه. وقتی بازیکنی یک مورد رو ریپورت می‌کنه، سیستم لیستی از بازیکن‌های حاضر در محیط رو می‌گیره و با استفاده از ری‌کستینگ، محدوده یا باکس‌های محیطی هر آواتار رو مشخص می‌کنه. این پردازش در حدود ۳.۵ میلی‌ثانیه انجام میشه که باعث میشه بازیکن هیچ وقفه یا لگ آزاردهنده‌ای رو موقع ریپورت کردن حس نکنه. در واقع، این سیستم یک اسکرین‌شات دوبعدی رو می‌گیره و اون رو با داده‌های مکانی سه‌بعدی تطبیق میده تا دقیقاً مشخص بشه کدوم کاربر هدف ریپورت بوده.

حالت هایلایت برای گزارش‌های ساده‌تر

مرحله بعدی، اضافه کردن حالت هایلایت (Highlight Mode) به رابط کاربری بود. در این حالت، بازیکن‌ها می‌تونن آیتم یا کاربر متخلف رو مستقیماً در محیط بازی انتخاب و هایلایت کنن. وقتی کاربر روی یک شیء کلیک می‌کنه، مجموعه‌ای از پرتوها به صورت دایره‌ای دور نشانگر موس پخش میشن تا دقیق‌ترین شیء ممکن شناسایی بشه. تحقیقات داخلی Roblox نشون داده که این روش به‌خصوص برای بازیکن‌های کم‌سن (۹ تا ۱۳ سال) خیلی کاربردیه، چون پروسه ریپورت کردن رو ساده‌تر کرده و باعث میشه گزارش‌های دقیق‌تری ارسال بشه.

راهکار کلون کردن مدل داده‌ها در محیط‌های شلوغ

اما در محیط‌های شلوغ که تعداد اشیایی مثل سنگ‌ها، درخت‌ها و گل‌ها زیاده، روش دایره‌ای ری‌کستینگ دیگه جواب نمیده چون اشیاء زیادی روی هم می‌افتن. برای حل این چالش، روبلاکس سیستمی برای کلون کردن مدل داده‌ها (Data Model Cloning) طراحی کرده. از اونجایی که مدل داده‌های کل یک بازی می‌تونه چندین گیگابایت باشه و انتقالش کند باشه، سیستم فقط اشیاء کلیدی مورد نیاز برای رندر کردن اون صحنه رو کلون می‌کنه. با این کار، بازیکن در یک نسخه کپی‌شده از دنیای بازی قرار می‌گیره و می‌تونه با دقت خیلی بالایی هر شیئی رو که می‌خواد ریپورت کنه، انتخاب کنه. این متد باعث میشه متادیتای دقیق هر شیء برای تیم مدیریت ارسال بشه.

ثبت شواهد در سمت کلاینت یا سرور؟

یک بحث فنی مهم در این پروژه، محل ثبت شواهد بود؛ اینکه آیا این کار باید در سمت سرور (Server-side) انجام بشه یا سمت کلاینت (Client-side) (دستگاه بازیکن). Roblox تصمیم گرفت از ثبت سمت کلاینت استفاده کنه، چون برخی افکت‌های فیزیکی یا اسکریپت‌ها ممکنه فقط برای بازیکن نمایش داده بشن و در سرور ثبت نشن. این تصمیم یک ریسک رو به همراه داره و اینه که کاربران بدخواه می‌تونن با دستکاری کلاینت، شواهد جعلی بسازن. هرچند روبلاکس ادعا می‌کنه که با استفاده از سیگنال‌های مختلف، این گزارش‌های جعلی رو شناسایی و حذف می‌کنه، اما همچنان این موضوع می‌تونه باعث ایجاد تردید در مورد عدالت سیستم برای برخی کاربران بشه.

نتایج و آینده سیستم ریپورت روبلاکس

نتایج اجرای سیستم ریپورت روبلاکس تا الان قابل توجه بوده و باعث شده ماهانه بیش از ۱۹ هزار آواتار متخلف به‌طور خودکار حذف بشن. همچنین حدود ۱۹ درصد از گزارش‌های ارسالی حالا شامل حاشیه‌نویسی‌های بصری هستن که بررسی اون‌ها رو برای تیم مدیریت خیلی راحت‌تر می‌کنه. در حال حاضر، این سیستم بیشتر روی لحظات ثابت یا اسنپ‌شات‌ها تمرکز داره، اما برنامه Roblox برای آینده اینه که بتونه تخلفات پویا رو هم ثبت کنه. مثلاً ترکیب یک حرکت خاص (Emote) با جابه‌جایی بازیکن که در یک عکس ثابت قابل تشخیص نیست. برای این کار، قصد دارن قابلیت ثبت توالی‌های زمانی یا ویدئویی (Time-sequences or Video clips) از صحنه ریپورت شده رو اضافه کنن.

کلام آخر

این تغییرات در سیستم ریپورت روبلاکس نشون میده که پلتفرم داره سعی می‌کنه با ابزارهای فنی دقیق‌تر، محیطی امن‌تر برای بازیکن‌ها ایجاد کنه. برای گیمرهای ایرانی که تعداد زیادی ازشون در Roblox فعال هستن، این یعنی احتمال مواجهه با محتوای نامناسب کمتر میشه و گزارش‌های ارسالی سریع‌تر به نتیجه می‌رسه. هرچند احتمال سوءاستفاده از ثبت کلاینتی وجود داره، اما به نظر ما در موجوجم، دقت بالای این سیستم در شناسایی آواتارها و اشیاء، گام بزرگی در جهت مدیریت بهتر جوامع آنلاین در بازی‌های سه‌بعدیه.