Dette er et DLC til Metal Gear Rising: Revengeance, der kræver grundspillet. Det tilføjer 30 nye VR-missioner med et klassisk simuleringslook, designet til at teste Raiden i kamp, taktik og snigning. Missionerne er originale baner, og en unik funktion er muligheden for at styre Dwarf Gekkoen. Indholdet fokuserer udelukkende på mekanisk mestring frem for historieudvidelse.
","tokens":{"input":2189,"output":111,"total":2300}}Denne udvidelse introducerer 30 helt nye Virtual Reality (VR) missioner, designet til at presse grænserne for Raidens cyborg-kapaciteter. Disse udfordringer præsenteres med en distinkt visuel æstetik, der minder om klassiske træningssimulationer fra tidligere kapitler i franchisen.
\n\nMissionsstrukturen er varieret og omfatter flere særskilte gameplay-fokusser:
\nDisse baner er udelukkende originale, hvilket betyder, at de ikke genbruger miljøer fundet i hovedkampagnen, og de tilbyder dermed friske scenarier, som spillerne kan erobre.
\n\nEn bemærkelsesværdig tilføjelse inden for disse VR-miljøer er muligheden for at styre Dwarf Gekko-enheden. Dette giver et helt andet perspektiv og et sæt mekanikker, som spillerne kan engagere sig i, hvilket tilbyder et unikt twist på den etablerede gameplay-loop.
\n\nSom downloadbart indhold er denne pakke ikke en selvstændig oplevelse; adgang er betinget af ejerskab af hovedspillet. Formålet er at fungere som et udvidelses- og forfinelsesværktøj, der gør det muligt for spillere at øve komplekse teknikker i kontrollerede, højintensive omgivelser uden for hovedfortællingens flow.
\n\nSelvom omfanget er rent fokuseret på udfordringsscenarier frem for narrativ udvidelse, er kvaliteten og dybden af disse 30 missioner tiltænkt at levere betydelig ekstra spilletid for dem, der søger at perfektionere deres udførelse af spillets krævende kampsystem.
\n\nSpillere bør forvente strenge tests af hastighed, præcision og strategisk tænkning. Missionerne er struktureret til at kræve høj beherskelse af kerne-mekanikkerne, ofte nødvendiggørende fejlfri udførelse for at opnå optimale resultater i de simulerede miljøer.
","tokens":{"input":2383,"output":818,"total":3201}}