W7.01.3Recognition tolerance versus skill depth设计
宽松识别提高体验但削弱技巧
别名: 宽松识别 · gesture tolerance · input forgiveness · skill depth
概念解释
宽松识别（gesture tolerance）指降低动作识别的精确度要求——放大时间窗口、放宽幅度阈值、接受近似形状——以减少漏检和误检。它几乎总是提升初学者的体验（更少失败、更少挫败），但同时压缩了玩家可以通过精细化操作表达技巧的空间。识别容差是体验友好度和技巧深度之间的一根滑杆，不是可以同时最大化的两个独立参数。
机制
技巧的本质是在约束下做出精细区分。当识别系统对大幅度的容差覆盖了小幅度的正确动作时，玩家不再需要精确控制——随意挥动和标准动作产生同样结果，精细操作失去了回报。竞速游戏的辅助驾驶降低圈速差异、音乐游戏的宽松判定降低连击难度，都是同一机制。容忍度每放宽一档，技巧空间就向新手方向移动一步，高手和新手的区分度缩小。
边界
「削弱技巧」不等于「不好」。休闲体感游戏的核心目标是全家娱乐而不是竞技分层，宽松识别正是正确选择。问题出在类型错配：竞技体感（节奏类、格斗类）需要高精度识别来维持技巧上限，宽松化会瓦解核心竞争力。部分游戏采用动态容差——单人模式宽松、排位模式严格——让同一套识别系统服务两种场景。此外，容差收紧的代价不只是漏检率：过度收紧也会把生理差异（身高、臂长、运动习惯）误判为技巧差异，识别参数需要可校准而不只是可收紧。
怎么落地
- 把识别容差做成可调参数而非硬编码，在设置中提供「休闲 / 标准 / 精确」三档预设，默认匹配游戏类型的定位。
- 在竞技模式中收紧容差时，同时提供校准流程（记录玩家一次标准动作的基线），收紧后的判定以个人基线为参照而非全局固定值。
- 验证办法：对比不同容差档位下的漏检率和高手-新手分数差异；如果收紧后分数差异没有拉开，说明容差不是区分技巧的瓶颈，问题在别处。