rl-game-traces-rise-of-the-tomb-raider

该数据集名为“古墓丽影：崛起”，是一个包含游戏玩法跟踪数据的公开数据集。数据来源于本地路径 `F:古墓丽影：崛起`，涵盖了游戏过程中的视频、元数据和输入事件日志。数据集总规模为 496.11 GB，包含 647 个文件，文件类型多样，包括 196 个 JSONL 文件（用于结构化元数据）、149 个 JSON 文件、129 个 PNG 图像文件、49 个 Parquet 文件（可能用于高效数据存储）、49 个 MKV 视频文件、49 个 TXT 文本文件、15 个 JPG 图像文件和 11 个 EXE 可执行文件。数据集适用于强化学习和视频分类任务，标签包括 gameplay、video 和 game-data，语言为中文。需要注意的是，许可证标记为“other”，在使用前应审查游戏画面、音频和资产的权利问题。This dataset is named Rise of the Tomb Raider and is a public dataset containing gameplay tracking data. The data originates from the local path `F:Rise of the Tomb Raider`, covering videos, metadata, and input event logs during gameplay. The total dataset size is 496.11 GB, comprising 647 files of diverse types, including 196 JSONL files (for structured metadata), 149 JSON files, 129 PNG image files, 49 Parquet files (possibly for efficient data storage), 49 MKV video files, 49 TXT text files, 15 JPG image files, and 11 EXE executable files. The dataset is suitable for reinforcement learning and video classification tasks, with labels including gameplay, video, and game-data, and the language is Chinese. It is important to note that the license is marked as other, and rights issues related to game visuals, audio, and assets should be reviewed before use.

原始信息汇总

数据集概览：古墓丽影：崛起 (rl-game-traces-rise-of-the-tomb-raider)

• 数据集名称：古墓丽影：崛起
• 数据集地址：https://huggingface.co/datasets/yinhuankuang/rl-game-traces-rise-of-the-tomb-raider
• 许可协议：other（其他，使用前需审查游戏画面、音频和资产权利）
• 语言：中文
• 任务类别：
  • 强化学习 (reinforcement-learning)
  • 视频分类 (video-classification)
• 标签：gameplay（游戏玩法）、video（视频）、game-data（游戏数据）

数据集内容

该数据集包含从本地路径 F:古墓丽影：崛起 上传的游戏轨迹数据，具体组成如下：

• 文件总数：647
• 本地总大小：496.11 GB
• 生成时间：2026-06-06T01:03:39+00:00

文件类型分布

文件类型	数量
.jsonl	196
.json	149
.png	129
.parquet	49
.mkv	49
.txt	49
.jpg	15
.exe	11

注意事项

• 数据集中可能包含游戏视频、Parquet 文件、JSON/JSONL 元数据以及输入事件日志。
• 由于许可证标记为 other，在复用前请审查游戏画面、音频及相关资产的权利。

搜集汇总

数据集介绍

构建方式

该数据集源自《古墓丽影：崛起》游戏实录，采集自本地存储路径`F:\古墓丽影：崛起`，共收录647个文件，总容量达496.11 GB。数据构建涵盖多种格式：196个JSONL文件用于记录逐帧日志，149个JSON文件存储结构化元数据，49个Parquet文件承载高效压缩的表格数据，49个MKV视频文件捕获完整游戏画面，以及129张PNG截图和15张JPEG图像。此外，还包含49个TXT文本文件用于注释说明。构建过程中同步收集了输入事件日志，形成多模态的游戏轨迹数据集。

特点

本数据集的显著特点在于其多模态与高容量的融合设计。超过490 GB的游戏回放数据覆盖了动作序列、视觉帧与事件指令，为强化学习与视频分类任务提供了丰富的天然样本。JSONL与JSON文件实现了元数据与日志的细粒度记录，Parquet格式则保障了大批量数据的存储与读取效率。MKV视频与PNG/JPEG图像共同构建了视觉通道信息，使数据既适用于离线训练，也适宜于行为分析研究。版权标注为`other`，提示用户在复用游戏素材时需谨慎核查相关权利。

使用方法

使用此数据集时，建议以强化学习或视频分类为目标进行多阶段预处理。MKV视频文件可解码为帧序列，与JSONL事件日志按时间戳对齐，形成状态-动作对用于策略学习。Parquet表中存储的统计数据便于快速加载至Pandas或Spark等计算框架，支撑批量特征工程。对于需行为建模的研究，可提取JSON元数据中的输入事件流，结合图像检测结果训练端到端模型。全部文件均已按类型归档，用户只需按任务需求筛选子集，并注意遵循原始游戏素材的授权约束。

背景与挑战

背景概述

《古墓丽影：崛起》是一款以动作冒险与探索为核心玩法的经典电子游戏，其复杂的交互环境与丰富的视觉内容为人工智能研究提供了独特的实验场域。该数据集创建于2026年，由未知机构或个人上传至公开平台，核心研究问题聚焦于利用游戏过程追踪数据推动强化学习与视频分类领域的发展。数据集包含647个文件，总容量达496.11 GB，涵盖游戏视频、输入事件日志、元数据等多模态信息，为智能体在开放世界中的决策学习与行为建模奠定了数据基础，对游戏人工智能、环境交互理解及行为克隆等研究方向具有潜在影响力。

当前挑战

该数据集面临的挑战首先在于其所解决的领域问题：强化学习在复杂开放世界游戏中的应用需要处理高维感知空间与稀疏奖励信号，而《古墓丽影：崛起》中的非线性任务与动态环境进一步加剧了学习难度，如何从海量轨迹数据中提取有效策略成为关键。构建过程中，数据集面临多模态数据整合的困难，包括游戏视频、操作日志及元数据之间的时空对齐，以及高达496.11 GB的存储与处理压力。此外，许可标记为“other”引发版权与合规性风险，使用前需审慎核查游戏素材与资产的授权问题，这为数据集的开放共享与合法复用设置了障碍。

常用场景

经典使用场景

《古墓丽影：崛起》游戏轨迹数据集（rl-game-traces-rise-of-the-tomb-raider）收录了海量游戏过程中的操作记录与视觉数据，涵盖647个文件、近500GB的丰富信息。该数据集包含了JSON格式的元数据与事件日志、PNG与JPG格式的截图、Parquet格式的结构化数据以及MKV格式的游戏视频，构成了一个多模态的游戏交互语料库。经典使用场景聚焦于强化学习领域，研究者可将游戏视频与操作日志配对，用于训练智能体模仿人类玩家的探索行为、战斗策略或解谜路径规划。同时，视频与截图数据支持视频分类任务，能够区分游戏内的不同场景、动作状态或剧情阶段，为计算机视觉与游戏AI的交叉研究提供了真实且复杂的实验平台。

解决学术问题

该数据集有效解决了学术界在复杂3D开放环境中进行模仿学习与行为克隆时面临的数据稀缺问题。传统的强化学习研究多依赖于简易模拟环境，而本数据集提供的真实玩家轨迹包含了跳跃、攀爬、潜行、射击等多维度操作与视觉反馈的对应关系，为多模态学习、序列决策建模以及长时序动作预测等方向提供了标准化的基准资源。此外，数据集中丰富的元数据与事件日志可支撑因果推断研究，分析玩家动作与游戏状态变化之间的逻辑联系，推动了对人类游戏行为认知机制的深入理解。其公开性也为不同算法在同一复杂环境下的性能对比提供了可能性，降低了复现门槛，促进了该领域研究范式的规范化。

衍生相关工作

基于该数据集及其数据模式，研究者已在多个方向衍生出经典工作。在强化学习领域，学者们利用游戏视频与操作日志的组合，开发了结合视觉特征提取与策略网络的动作克隆模型，实现了在《古墓丽影》复杂场景中的零样本目标导航。在视频理解方向，该数据集的MKV片段被用作训练轻量级动作识别网路的素材，促进了游戏内实时行为分类算法的进步。此外，多模态学习领域的工作者借鉴其JSON元数据与对应截图的对齐方式，提出了跨模态检索框架，能够根据自然语言指令定位到游戏中的特定画面或操作序列。Parquet文件中的结构化数据也催生了若干离线策略评估研究，探讨如何从固定轨迹中无偏估计不同决策策略的长期回报。