这篇于2026年6月1日提交到arXiv的论文《An Exploration of Collision-based Enemy Morphology Generation》（基于碰撞信息的敌人形态生成探索）由Johor Jara Gonzalez等两位作者完成，归类于人工智能（cs.AI）领域，编号为arXiv:2606.02832v1。论文关注的是一个在程序化内容生成（PCG）研究中长期被忽视的细分方向：为电子游戏自动生成敌人，尤其是生成敌人的“形态”，即游戏内敌人的基本身体结构或碰撞信息。
作者指出，尽管程序化内容生成领域已有大量研究积累，但相对而言，专门针对游戏敌人生成的工作仍然很少。更值得注意的是，关于敌人形态生成的研究几乎空白，而这与机器人学领域已有的形态生成研究形成鲜明对比。机器人学中已有相关工作探索如何自动设计机器人的身体结构，但这类思路尚未被系统地迁移到游戏敌人设计上。
针对这一空白，论文提出了三种新颖的方法，其核心思想都是基于玩家的碰撞信息来生成敌人的形态。也就是说，系统利用玩家与敌人之间发生碰撞的相关数据作为输入信号，驱动敌人身体结构或碰撞体的生成过程，从而让生成的敌人在与玩家交互时具备特定的行为特征或难度表现。
作者对这三种方法进行了比较分析，发现它们各有优势与不足：不同方法在某些场景或指标上表现更好，在另一些方面则存在局限。但总体而言，这三种方法的表现都达到或超过了从既有机器人形态研究改编而来的进化算法基线。这一结果说明，基于碰撞信息的生成思路在敌人形态生成任务上具备可行性，并且能够与传统的进化式方法相竞争甚至取得更优效果。
论文的提交信息显示，第一版于2026年6月1日19:52:33 UTC提交，全文大小约3,620 KB，并提供PDF、实验性HTML以及TeX源码等多种访问形式。该工作为游戏敌人程序化生成，特别是形态层面的自动化设计，提供了一个新的研究方向，也为机器人学与游戏内容生成之间的跨领域借鉴提供了实例。