TheGreatRambler/mm2_level

Mario Maker 2 levels数据集包含来自任天堂在线服务的2660万个关卡，总计约100GB的数据。该数据集是通过自托管的Mario Maker 2 API在2022年2月的一个月内创建的。数据集中包含多个字段，如关卡ID、名称、描述、上传时间、创建时间、游戏风格、主题、难度等。此外，还提供了如何使用该数据集的代码示例，包括如何加载和迭代数据集，以及如何解析关卡数据。The Mario Maker 2 Levels dataset contains 26.6 million levels sourced from Nintendo's online services, with a total data volume of approximately 100 GB. This dataset was collected over the course of one month in February 2022 via a self-hosted Mario Maker 2 API. The dataset includes multiple fields, such as level ID, name, description, upload time, creation time, game style, theme, difficulty, and more. In addition, code examples for using the dataset are provided, including how to load and iterate over the dataset, as well as how to parse level data.

原始信息汇总

Mario Maker 2 Levels Dataset Summary

Dataset Overview

General Information

• Language: Multilingual
• License: CC-BY-NC-SA-4.0
• Size: 10M<n<100M
• Source: Original
• Tasks: Object-detection, text-retrieval, token-classification, text-generation, other
• Tags: text-mining
• Pretty Name: Mario Maker 2 levels

Dataset Description

• Content: Consists of 26.6 million levels from Nintendos online service, totaling around 100GB of data.
• Creation: Created using the self-hosted Mario Maker 2 API over the course of 1 month in February 2022.

Data Structure

Data Instances

Each instance includes details such as:

• Data ID: Unique identifier.
• Name: Course name.
• Description: Course description.
• Uploaded: UTC timestamp for when the level was uploaded.
• Created: Local timestamp for when the level was created.
• Gamestyle: Enum indicating the game style.
• Theme: Enum indicating the course theme.
• Difficulty: Enum indicating the difficulty level.
• Tags: Enum indicating the tags associated with the course.
• Game Version: Version of the game this level was made on.
• World Record: Time in milliseconds for the world record.
• Upload Time: Time in milliseconds for the upload.
• Upload Attempts: Number of attempts to upload.
• Number of Comments: Number of comments on the course.
• Clear Condition: Enum indicating the clear condition.
• Timer: Timer of the level.
• Autoscroll Speed: Speed of the autoscroll.
• Clears: Number of course clears.
• Attempts: Number of course attempts.
• Clear Rate: Course clear rate.
• Plays: Number of course plays.
• Versus Matches: Number of versus matches.
• Coop Matches: Number of coop matches.
• Likes: Number of likes.
• Boos: Number of boos.
• Unique Players and Versus: Unique players that have played this level.
• Weekly Likes: Weekly likes on this course.
• Weekly Plays: Weekly plays on this course.
• Uploader PID: Player ID of the uploader.
• First Completer PID: Player ID of the first completer.
• Record Holder PID: Player ID of the record holder.
• Level Data: GZIP compressed decrypted level data.

Data Fields

Detailed descriptions of each field are provided, including data types and descriptions.

Data Splits

• Splits: Contains only a train split.

Enums

The dataset includes several enum fields for game styles, difficulties, course themes, and tags, which can be converted to their string equivalents.

Considerations

• Content Warning: Levels may contain harmful language or depictions.

搜集汇总

数据集介绍

构建方式

在电子游戏研究领域，高质量、大规模的关卡数据集对于分析玩家行为、关卡设计模式以及游戏内容生成算法具有重要价值。Mario Maker 2 levels数据集正是为此而生，它囊括了来自任天堂在线服务的约2660万个用户自制关卡，数据总量约100GB。该数据集由研究者利用自建的Mario Maker 2 API，在2022年2月历时一个月精心采集而成。鉴于向任天堂服务器发送请求需通过身份验证，采集过程极为审慎，严格控制下载速度以避免触发服务器过载或被封禁风险，最终确保了数据的完整性与合法性。数据集目前仅包含训练集，且研究者暂无更新版本的发布计划。

特点

该数据集的核心特色在于其超大规模与丰富的元数据维度。每个关卡实例不仅包含关卡名称、描述、上传时间、游戏风格、主题、难度等基础属性，还详尽记录了通关次数、尝试次数、通关率、游玩次数、多人对战与合作匹配次数、点赞与踩数等玩家交互数据。尤为珍贵的是，数据集中包含了经GZIP压缩的二进制关卡数据，该数据与任天堂游戏内格式一致，可通过提供的Kaitai Struct文件解析为结构化对象，进而还原关卡中的每一个物件坐标与类型。此外，数据集中还提供了枚举映射表，便于将游戏风格、难度、主题、标签及通关条件等整数字段转换为可读字符串。

使用方法

由于数据集体积庞大，推荐采用Hugging Face Datasets库的流式加载接口进行高效处理。用户可通过`load_dataset`函数并设置`streaming=True`参数，以迭代方式逐条读取关卡数据，避免内存溢出。对于核心的关卡二进制数据，需先使用`zlib`库解压，再借助Kaitai Struct运行时库与提供的`level.ksy`结构文件将其解析为`Level`对象，从而遍历关卡中的物件信息。若需将关卡渲染为图像，可借助第三方工具Toost实现。对于有完整下载需求的用户，也可直接通过`load_dataset`函数下载全部约100GB数据，但需确保充足的存储空间与网络带宽。

背景与挑战

背景概述

《超级马力欧创作家2》（Super Mario Maker 2）作为任天堂旗下极具创意的游戏平台，允许玩家自由设计并分享横版过关关卡，催生了海量用户生成内容。TheGreatRambler于2022年2月通过自建API，耗时月余从任天堂在线服务中采集了约2660万个关卡，构建了规模达100GB的mm2_level数据集。该数据集由独立研究者TheGreatRambler主导创建，核心研究问题在于如何系统性地存档、解析并分析大规模游戏用户生成内容，为计算游戏学、玩家行为建模及程序化内容生成等领域提供了前所未有的数据基础。其影响力体现在：首次以结构化形式公开了包含关卡元数据、二进制关卡数据及玩家交互统计的完整语料，推动了游戏AI与用户生成内容研究的实证化进程。

当前挑战

该数据集面临的核心挑战涵盖领域问题与构建过程两个层面。在领域问题层面，首要挑战是海量异构关卡数据的有效表征与解析——每个关卡以专有二进制格式存储，需借助Kaitai Struct逆向工程框架解压译码，且存在多个未知字段（unk2至unk12），增加了特征提取的难度。其次，玩家生成内容中可能包含有害语言或不良视觉元素，需建立内容过滤与伦理审查机制。在构建过程中，主要挑战源于任天堂API的认证限制与反爬策略：必须精确控制请求速率以避免账户封禁，导致采集周期长达一个月且无法增量更新。此外，数据集仅提供单次快照，缺乏时间序列维度，限制了玩家行为演化与内容生命周期等纵向研究的开展。

常用场景

经典使用场景

在游戏人工智能与程序化内容生成领域，Mario Maker 2关卡数据集为研究者提供了海量、多样化的用户生成关卡样本。该数据集收录了来自Nintendo在线服务的2660万个关卡，涵盖五种游戏风格、十种主题及多种难度标签，每个关卡均包含完整的二进制关卡数据结构。研究者可利用该数据集训练深度学习模型，学习用户设计模式与关卡布局规律，进而实现自动化的关卡生成与评估。通过对关卡元数据（如通关率、点赞数、标签等）与结构特征的联合分析，该数据集成为探索用户生成内容质量预测、关卡难度评估以及游戏体验建模等经典研究问题的基石。

实际应用

在实际应用层面，该数据集为游戏开发与智能辅助设计工具提供了坚实的数据基础。游戏设计师可基于该数据集分析热门关卡的设计特征与成功要素，从而优化关卡设计流程。对于游戏平台运营方而言，利用该数据集训练的模型可自动识别低质量或不当内容，提升用户生成内容的审核效率。此外，该数据集还可用于开发智能推荐系统，根据玩家历史偏好推荐个性化关卡，增强玩家留存与参与度。在自动化测试领域，基于该数据集的关卡生成模型可模拟大量玩家行为，辅助游戏平衡性测试与难度曲线优化。

衍生相关工作

该数据集衍生了一系列具有影响力的研究工作，主要集中在程序化内容生成与游戏体验预测两大方向。研究者基于该数据集开发了多种关卡生成模型，如利用变分自编码器学习关卡潜在表示，并通过条件生成实现特定风格或难度的关卡合成。在关卡质量评估方面，相关工作利用元数据与结构特征构建了通关率预测模型，实现了对用户生成关卡可玩性的自动评估。此外，该数据集还被用于探索游戏风格迁移、多模态关卡生成（结合文本描述与结构设计）以及玩家行为建模等前沿课题，推动了游戏人工智能领域从手工规则设计向数据驱动范式的转变。