rl-game-traces-death-stranding-2

该数据集名为死亡搁浅2，是一个公开的游戏玩法追踪数据仓库，数据来源于本地路径F:死亡搁浅2。数据集包含521个文件，总大小约479.86 GB，生成于2026年6月12日。文件类型多样，包括160个JSONL文件、123个PNG图像文件、120个JSON文件、40个MKV视频文件、40个TXT文本文件和38个Parquet文件，涵盖了游戏视频、元数据和输入事件日志等内容。数据集适用于强化学习和视频分类任务，语言为中文，主题涉及游戏玩法、视频和游戏数据。许可证标记为其他，使用前需审查游戏画面、音频和资产的相关权利。This dataset is named Death Stranding 2 and is a public repository of gameplay tracking data, sourced from the local path F:Death Stranding 2. It contains 521 files with a total size of approximately 479.86 GB, generated on June 12, 2026. The file types are diverse, including 160 JSONL files, 123 PNG image files, 120 JSON files, 40 MKV video files, 40 TXT text files, and 38 Parquet files, covering game videos, metadata, and input event logs. The dataset is suitable for reinforcement learning and video classification tasks, with the language being Chinese, and themes related to gameplay, videos, and game data. The license is marked as Other, and users must review the rights related to game visuals, audio, and assets before use.

原始信息汇总

数据集概述：死亡搁浅2（rl-game-traces-death-stranding-2）

任务类别：强化学习、视频分类
语言：中文
标签：游戏玩法、视频、游戏数据

---

内容与规模

• 文件总数：521 个文件
• 数据总量：约 479.86 GB
• 生成时间：2026-06-12T04:47:09+00:00
• 来源：上传自本地路径 F:死亡搁浅2

---

文件类型统计

文件类型	数量
.jsonl	160
.png	123
.json	120
.mkv	40
.txt	40
.parquet	38

---

内容说明

• 可能包含游戏玩法视频（.mkv）、Parquet 文件、JSON/JSONL 格式的元数据以及输入事件日志。
• 数据集许可证标记为 other，在复用前需审查游戏画面、音频及资产的相关权利。

---

数据集地址：https://huggingface.co/datasets/yinhuankuang/rl-game-traces-death-stranding-2

搜集汇总

数据集介绍

构建方式

本数据集名为rl-game-traces-death-stranding-2，聚焦于游戏《死亡搁浅2》中的强化学习与视频分类研究。数据集的构建源于对游戏过程中行为轨迹的系统性采集，原始数据存储于F盘指定路径下。整体数据规模庞大，包含521个文件，总容量达479.86 GB，生成时间为2026年6月12日。数据集中涵盖了多种文件类型，其中JSONL文件160个，用于存储结构化的事件日志；PNG与JSON文件分别有123个和120个，提供了视觉快照与元数据信息；MKV视频文件40个，记录了完整的游戏实况；TXT文本文件40个，可能包含文本注释或说明；另有38个Parquet文件，便于高效存取大规模表格数据。这种多格式组合不仅增强了数据集的丰富性，也为不同研究需求提供了灵活的数据源。

特点

该数据集最显著的特点在于其多模态与多粒度的数据构成。除了包含游戏操作输入的JSONL事件日志，还集成了游戏画面视频（MKV）与截图（PNG），能够支持从视觉、行为到语义层面的联合分析。数据集中元数据与日志的分离存储（JSON、JSONL、Parquet），使得研究者可以根据具体任务需求灵活调用。特别值得关注的是，数据集涵盖数十小时的游戏过程，且容量接近500 GB，这为大规模强化学习模型训练与视频行为理解提供了坚实基础。同时，数据集的标签中明确标注了中文语言与游戏玩法类别，表明其内容主要面向中文玩家社区，具备一定的地域与场景适配性。

使用方法

使用该数据集时，建议研究者根据任务目标选择合适的数据类型组合。对于强化学习场景，可优先解析JSONL中的事件日志，提取玩家的输入序列与环境反馈，构建状态-动作映射；对于视频分类任务，则可以直接利用MKV游戏视频与PNG截图进行视觉特征提取。Parquet文件的引入使得大规模数据的批量处理与索引更加高效，适合进行分布式计算或数据挖掘。需要注意的是，数据集的许可证标注为‘other’，意味着可能涉及游戏视频、音频及素材的版权限制，在公开发表或商业应用前应仔细审查相关权利归属。总体而言，该数据集为游戏人工智能与行为分析领域提供了珍贵而全面的研究素材。

背景与挑战

背景概述

《死亡搁浅2》作为小岛制作室备受瞩目的续作，延续了前作在开放世界探索与异步联机机制上的创新。该数据集由玩家社区或研究机构于2026年创建，收集了共计521个文件、总容量近480GB的游戏实机追踪数据，涵盖JSON元数据、输入事件日志、截图及MKV格式游戏视频。核心研究问题聚焦于强化学习环境中的复杂序列决策建模与多模态游戏行为分析，为理解玩家在高度拟真地形、动态天气系统及社交联机交互中的策略演化提供了宝贵资源。该数据集在游戏AI与行为克隆领域具有潜在影响力，可推动通用游戏智能体在非结构化开放世界中的泛化能力研究。

当前挑战

数据集核心挑战在于解决强化学习背景下的部分可观测马尔可夫决策过程(POMDP)问题，游戏内长程任务依赖、异步玩家交互及动态环境反馈使得状态空间高度稀疏且非平稳。构建过程中面临三大技术难点：数据采集层面需处理大容量视频流与输入日志的严格时序同步，存储层面面临近500GB多格式文件的管理与索引优化，隐私与版权层面涉及游戏资产使用权审查及玩家数据脱敏伦理问题。此外，MKV格式视频的行车记录仪式视角与PNG截图构成的多模态融合方式，对现有视频分类与行为预测模型的特征对齐能力提出严峻考验。

常用场景

经典使用场景

《死亡搁浅2》作为一款开放世界动作冒险游戏，其复杂的交互机制与沉浸式叙事为强化学习研究提供了天然实验场。该数据集汇集了521个文件、总计近480GB的游戏过程追踪数据，涵盖JSONL行为日志、PNG截图、MKV视频片段及Parquet结构化数据等多元模态。经典使用场景聚焦于模仿学习与离线强化学习，研究者可借助玩家输入事件日志与对应游戏状态，训练智能体复现人类操作策略，或基于视频帧序列学习环境动态建模，为游戏AI行为生成与决策优化奠定基础。

解决学术问题

该数据集系统性地解决了强化学习领域长期面临的真实环境交互数据稀缺问题，尤其是在复杂长程奖励稀疏任务中。通过记录玩家在《死亡搁浅2》中跨越崎岖地形、应对时间雨侵蚀及管理货物平衡等高难度操作，数据集提供了离线策略评估与改进的基准。其多模态特性（同时包含视觉、控制信号与结构化元数据）使研究者能深入探索表示学习、行为克隆与逆强化学习等方法的兼容性，推动从模拟环境到真实游戏的泛化理论发展。

衍生相关工作

该数据集的公开催生了一系列经典后续工作，其中最具代表性的包括基于Transformer的行为建模框架，利用时间序列日志预测玩家短期操作意图；以及多任务强化学习架构，同时优化货物平衡维持与地形适应能力。部分衍生研究还采用对比学习方法，从游戏截图中提取视觉特征用于零样本场景理解，或通过逆强化学习推断玩家隐含奖励函数，为自适应游戏叙事与个性化难度设计提供了理论支撑。