Arc Raiders zeigt die dritte Episode ihrer Entwicklertagebuchreihe. Es ist ein seltener Einblick in eine Studio-Kultur, die versucht hat, etwas zu bauen, das in Games eigentlich nicht funktioniert: Roboter, die wirklich wie Maschinen denken und sich bewegen, statt Animationen abzuspulen. Und diese finale Episode wirkt wie eine Mischung aus Triumph, Selbsttherapie und technischer Schadensaufnahme.
Von der Vision zur Realität: Der ewige Maschinen-Traum
Embark wollte ursprünglich ein Koop-Spiel über gigantische Maschinenjäger machen. Das Projekt schwenkte später zum Extraction-Shooter um, aber der Kern blieb: große, intelligente, physikalisch glaubwürdige Gegner. Und genau da beginnt der Kampf, den die finale Episode schonungslos offenlegt. Das Studio setzte früh auf ein riskantes Fundament. Maschinelles Lernen auf Basis echter Robotikforschung, nicht Game-AI, nicht geskriptete Animationen. Ein System, das Maschinen erlaubt, selbst herauszufinden, wie sie laufen, stolpern, springen, und wie sie reagieren, wenn man ihnen ein Bein wegballert.
Im Prinzip Boston Dynamics, aber mit mehr Beinen und deutlich mehr Chaos. Und mit Gegnern, die im Idealfall aus Spielzeugklötzen zu apex-predator-artigen Killmaschinen mutieren.
Aerial vs. Ground Threats – Die neue ARC-Fauna
Die Episode zeigt, wie Embark seine Maschinentypen entwickelte:
Aerial Enemies
- Wasp: Leichter, erratischer Drohnen-Nervling.
- Hornet: Panzerung, verwundbare Thruster – flanken oder Granaten.
- Rocketeer: Massiver Raketenverteiler aus sicherer Distanz, reagiert physikalisch glaubwürdig auf Treffer.
Ground Enemies
- Fireball: Metallkugel, rollt, klappt auf, spuckt Feuer – simpel, effektiv.
- Tick: Wandkrabbelnder Spinnenalbtraum, beschwört Verstärkung, dient als Loot-Vorlage für Spielerfallen.
Alles physikalisch simuliert, nichts davon „Disney-Animation“. Und genau das ist Fluch und Segen.
Physik als Feind – und als Fun-Generator
Arc Raiders unterscheidet sich von klassischen Games wie Dark Souls oder Monster Hunter:
Dort lernt man Muster auswendig. Bei ARC kann ein Boss nie exakt gleich reagieren. Ein schiefer Hang, ein fehlendes Bein, ein explodierendes Triebwerk, und das Pattern ist Geschichte.
Das sorgt laut Embark für weniger Kontrolle, mehr Chaos, aber auch mehr „Holy shit“-Momente, die kein Designer vorhersehen konnte. Die Kehrseite war, dass gigantische Maschinen plötzlich dutzende Tonnen wogen, zumindest für die Physik. Game-Engines sind darauf schlicht nicht ausgelegt. Wenn die Entwickler die Beine zu stark machen, hüpfen Roboter wie Gummipuppen. Sind sie zu schwach, kippen sie wie nasse Pappkartons. Der „Sweet Spot“ liegt irgendwo dazwischen, und ist eine Wissenschaft für sich.
Der Sprung zur Machine Learning-Lokomotion
Hier wird die letzte Episode richtig spannend. Embark setzte ein eigenes Team darauf an, ML-Modelle zu trainieren, die ausschließlich für die Fortbewegung zuständig sind. Kein Decision-Making. Keine Taktik. Nur: „Wie gehe ich von A nach B? Und was mache ich, wenn man mir ein Bein abschießt?“
Diese ML-Brains brauchen tausende Raycasts zur Umwelterkennung, riesige Datenmengen und endlose Trainingszyklen. Und wenn etwas nicht passt? Kein Feintuning. Neu trainieren. Das führt zu herrlich absurden Situationen:
- Roboter reißen sich im Training selbst Beine ab, weil’s effizienter ist.
- Ein Modell lernt, sich durch Bodendurchdringung abzufedern, indem es schneller rechnet als der Server.
- Die Physik kollabiert, weil ein 40-Tonner „vergisst“, wie Schwerkraft funktioniert.
Science-Fiction trifft Bug-Fiction, und genau das macht die Episode so ehrlich.
Arc Raiders ist noch längst nicht fertig
Das Wichtigste an dieser finalen Dokumentation ist wohl, dass die Interviews aus 2024 stammen, ein Jahr vor Release. Vieles hat sich seitdem verändert, manches wurde gestrichen, anderes hat überlebt. Die große Frage bleibt: Kann Embark sein ML-Monster bändigen, ohne es seiner Magie zu berauben? Denn der Spagat ist brutal:
- zu viel Chaos → unspielbar
- zu viel Kontrolle → austauschbar
Die Episode macht klar, dass Arc Raiders eines der technisch ambitioniertesten Spiele dieser Generation ist, oder eines der ambitioniertesten Experimente.