sm64-dataset

收集关于SM64游戏玩法的数据集。该数据集由游戏帧和玩家输入的组合组成。

A dataset regarding SM64 gameplay has been collected. This dataset consists of game frames and player inputs.

原始信息汇总

SM64 游戏数据集

数据集概述

该数据集收集了《超级马里奥64》（SM64）游戏中的游戏帧和玩家输入的组合。

数据收集方法

1. 环境准备：

   • 克隆仓库并安装依赖：

     pip install -r requirements.txt

   • 将编译好的 SM64EX 版本拖入仓库根目录。

2. 配置文件：

   • 运行游戏并记录窗口名称。
   • 打开 config.yaml 文件并根据需要进行配置。
   • 默认情况下，游戏截图将以 1280x960 的分辨率捕获并压缩至 320x240 的目标分辨率。

3. 数据捕获：

   • 运行 capture_data.py 脚本开始捕获数据：

     python capture_data.py

   • 按 ESC 键停止游戏。

按键记录

• 游戏运行时，特定的按键组合将被记录。
• 每个按键映射到一个向量中的位置，具体映射如下：

前进	左	后退	右	蹲下	跳跃	攻击	相机上	相机下	相机左	相机右
w	a	s	d	k	l	,	上	下	左	右
0	1	2	3	4	5	6	7	8	9	10

数据集格式

• 数据集以 .hdf5 文件格式存储。
• 每个 .hdf5 文件包含 1000 帧捕获的数据。
• 每帧数据包括：
  • frame_<i>_x：图像数据，3 通道（BGR 无 alpha），分辨率为 320x240。
  • frame_<i>_y：按键输入数据，当前记录 11 个动作，数组长度为 11。

待办事项

• [x] 创建配置文件
• [x] 添加按键解释
• [x] 支持不同按键绑定
• [ ] 支持游戏手柄
• [x] 文档化输出格式
• [ ] 创建贡献数据集的方法

搜集汇总

数据集介绍

构建方式

在构建sm64-dataset时，研究者首先克隆了相关仓库并安装了必要的依赖项。随后，将编译后的SM64EX版本放置于仓库根目录，并根据游戏窗口名称配置config.yaml文件。该数据集旨在以320x240的分辨率收集游戏帧和玩家输入的组合。通过运行capture_data.py脚本，系统自动启动游戏并记录按键和截图。按下ESC键即可停止数据收集。

使用方法

使用sm64-dataset时，用户需首先运行capture_data.py脚本以生成数据文件。生成的.hdf5文件包含图像和按键输入数据，可直接用于AI模型的训练。用户可通过修改config.yaml文件调整数据收集参数，如分辨率和按键映射。未来，用户还可通过贡献数据来扩展数据集，进一步丰富其多样性和应用范围。

背景与挑战

背景概述

sm64-dataset，由一群热衷于超级马里奥64（Super Mario 64）游戏的开发者创建，旨在收集和分析游戏过程中的图像帧与玩家输入数据。该数据集的核心研究问题在于如何通过机器学习技术，特别是深度学习，来理解和模拟玩家在游戏中的行为。创建时间虽未明确，但从其GitHub页面上的活动记录来看，该数据集的开发始于近年。主要研究人员或机构虽未公开，但从其对游戏社区的贡献来看，他们可能是游戏AI研究领域的先锋。该数据集对游戏AI领域的影响力不容小觑，它为研究人员提供了一个独特的数据源，有助于推动游戏AI的发展和应用。

当前挑战

sm64-dataset在构建过程中面临多项挑战。首先，数据收集的复杂性在于如何准确捕捉和记录玩家在游戏中的每一个细微动作，这要求高度精确的输入记录和图像捕捉技术。其次，数据集的格式化和标准化也是一个重要挑战，特别是如何确保数据在不同平台和设备上的兼容性和一致性。此外，当前数据集尚未支持游戏手柄的输入记录，这限制了其在更广泛游戏环境中的应用。未来，如何扩展数据集的功能，使其能够支持更多类型的输入设备和更复杂的玩家行为分析，将是该数据集面临的主要挑战。

常用场景

经典使用场景

在游戏研究领域，sm64-dataset 数据集的经典使用场景主要集中在游戏行为分析和玩家输入预测。通过收集《超级马里奥64》游戏中的帧图像和玩家输入数据，研究人员可以训练机器学习模型，以预测玩家在特定游戏情境下的行为。这种预测能力不仅有助于理解玩家行为模式，还能为游戏设计提供数据支持，优化游戏体验。

解决学术问题

sm64-dataset 数据集解决了游戏研究中的多个学术问题，特别是在玩家行为建模和游戏AI开发方面。通过分析玩家输入与游戏帧之间的关联，研究者能够构建更为精确的玩家行为模型，从而提升游戏AI的智能水平。此外，该数据集还为游戏设计提供了量化依据，有助于优化游戏机制和提升玩家满意度。

实际应用

在实际应用中，sm64-dataset 数据集被广泛用于游戏开发和用户体验优化。游戏开发者可以利用该数据集训练AI模型，实现自动化的游戏测试和玩家行为预测，从而提高游戏开发的效率和质量。同时，该数据集也为游戏设计提供了数据驱动的决策支持，帮助设计者更好地理解玩家需求，优化游戏内容和交互体验。

数据集最近研究

最新研究方向

在游戏数据分析领域，sm64-dataset的最新研究方向主要集中在利用深度学习技术进行游戏行为预测和玩家输入优化。该数据集通过捕捉游戏帧和玩家输入的组合，为研究人员提供了一个丰富的数据源，用于训练和验证各种机器学习模型。特别是，结合强化学习算法，研究者们正在探索如何通过分析玩家输入数据来提升游戏体验和操作效率。此外，该数据集的格式设计使其特别适用于人工智能训练，为未来的游戏AI研究提供了坚实的基础。