遇见数据集

ck3-gameplay-mouse-keyboard-dataset

收藏
Hugging Face2026-07-18 更新2026-07-19 收录
官方服务:

资源简介:

CK3 Gameplay Mouse Keyboard Dataset 是一个专门记录人类玩策略游戏《十字军之王 III》(Crusader Kings III)时产生的屏幕视频与高精度输入事件的多模态数据集。其核心目的是为行为克隆、模仿学习以及视频到动作预测等研究提供宝贵的真实人机交互数据。数据集捕获了玩家在游戏过程中所有的鼠标移动、点击、滚动和键盘按键事件,并与30 fps的桌面屏幕录制视频进行帧级精确同步。数据集由多个独立的游戏会话记录构成。每个会话包含以下文件:`screen.mp4`(使用libx264编码的30 fps桌面视频,包含光标绘制)、`input_events.csv`(记录所有带纳秒级时间戳的离散输入事件)、`input_samples.csv`(将输入状态以60 Hz频率均匀采样后的规整数据)、`metadata.json`(包含会话元数据、同步信息和精确的ffmpeg命令)以及`ffmpeg.log`(编码日志)。`metadata.json`中提供的同步公式确保了视频帧时间与输入时间戳之间的亚帧对齐。数据规模方面,计划包含187个录制会话,总计约66 GB的游戏视频和约1.8 GB的密集输入遥测数据(分布在374个CSV文件中)。数据集当前已有56个会话上线,并处于持续增长状态。输入数据提供了两种形式:原始的、不规则时间间隔的事件流,以及规整的、60 Hz采样的光标坐标、鼠标按钮状态和按键状态。该数据集适用于多种任务,包括:训练能够模仿人类真实游戏行为(如悬停、误点击、纠正)的智能体;开发从屏幕状态预测下一步操作(鼠标/键盘动作)的模型;进行鼠标轨迹与意图建模研究;为强化学习策略提供基于人类演示的暖启动;以及用于人机交互(HCI)和用户体验(UX)研究,分析人类在时间压力下如何导航复杂的嵌套菜单系统。数据集使用自定义记录器采集,仅当《十字军之王 III》游戏窗口处于前台活动状态时捕获输入,确保了用户隐私。

CK3 Gameplay Mouse Keyboard Dataset is a multimodal dataset that specifically records screen videos and high-precision input events generated by humans while playing the strategy game Crusader Kings III. Its core objective is to provide valuable real-world human-computer interaction (HCI) data for research areas including behavior cloning, imitation learning, and video-to-action prediction. The dataset captures all mouse movements, clicks, scrolls, and keyboard press events during gameplay, and synchronizes these events frame-precisely with 30 fps desktop screen recording videos. The dataset comprises multiple independent gameplay sessions. Each session includes the following files: `screen.mp4` (a 30 fps desktop video encoded with libx264, with cursor rendering included), `input_events.csv` (records all discrete input events with nanosecond-level timestamps), `input_samples.csv` (standardized data obtained by uniformly sampling input states at 60 Hz), `metadata.json` (contains session metadata, synchronization information, and exact ffmpeg commands), and `ffmpeg.log` (encoding log). The synchronization formula provided in `metadata.json` ensures sub-frame alignment between video frame timestamps and input event timestamps. In terms of data scale, the dataset is planned to include 187 recording sessions, totaling approximately 66 GB of gameplay videos and about 1.8 GB of dense input telemetry data (distributed across 374 CSV files). Currently, 56 sessions have been released, and the dataset is in continuous growth. The input data is offered in two formats: the original, irregularly spaced event stream, and the standardized, 60 Hz sampled cursor coordinates, mouse button states, and keyboard key states. This dataset is applicable to a wide range of tasks, including: training agents that imitate real human gameplay behaviors such as hovering, misclicking, and corrective actions; developing models that predict subsequent mouse/keyboard operations from screen states; conducting research on mouse trajectory and intention modeling; providing human demonstration-based warm start for reinforcement learning policies; and being used for HCI and user experience (UX) research to analyze how humans navigate complex nested menu systems under time pressure. The dataset is collected using a custom recorder, which only captures input when the Crusader Kings III game window is in the foreground active state, thus ensuring user privacy.

创建时间:
2026-07-09
原始信息汇总

数据集概述

CK3 Gameplay Mouse Keyboard Dataset 是一个用于行为克隆、模仿学习和人机交互研究的高精度数据集,记录了一位人类玩家在游玩《Crusader Kings III》时的完整屏幕画面、鼠标移动、点击、滚轮和键盘事件。


核心特性

  • 游戏:Crusader Kings III(CK3)
  • 模态:视频 + 输入事件
  • 视频:30 FPS,桌面捕获(libx264,gdigrab)
  • 输入采样:60 Hz 均匀采样,原始事件纳秒级时间戳
  • 数据规模:计划 187 个录制会话,约 66 GB 视频 + 1.8 GB 输入 CSV 文件(当前已发布 56 个会话,持续增长)
  • 同步精度:通过共享性能计数器实现子帧级视频与输入对齐
  • 隐私保护:仅当 CK3 为活动前景窗口时记录输入,不记录 Discord 等应用的键盘操作

数据内容

每个录制会话是一个独立文件夹,结构如下:

  • screen.mp4:30 FPS 桌面视频捕获
  • input_events.csv:原始离散输入事件(鼠标移动、点击、滚轮、按键按下/释放),含纳秒级时间戳
  • input_samples.csv:60 Hz 均匀重采样后的鼠标位置、按钮状态、按键状态
  • metadata.json:会话元数据、同步公式、ffmpeg 命令等
  • ffmpeg.log:编码日志

输入事件字段

事件 字段
mouse_move x, y
mouse_click x, y, button, pressed
mouse_scroll x, y, dx, dy
key_press / key_release key

同步公式

video_time_sec ≈ input_t_sec − ffmpeg_popen_sec_from_t0


潜在应用

  • 行为克隆 / 模仿学习:训练 AI 以人类方式操作 CK3
  • 视频到动作模型:从屏幕状态预测下一步鼠标/键盘动作
  • 鼠标轨迹与意图建模:利用 60 Hz 密集光标遥测数据
  • 强化学习引导:用人类演示预热 RL 策略
  • 人机交互 / 用户体验研究:分析用户在深层菜单系统下的操作模式

数据加载示例

python from huggingface_hub import snapshot_download

下载全部数据(约 66 GB)

local_dir = snapshot_download( repo_id="Ethosoft/ck3-gameplay-mouse-keyboard-dataset", repo_type="dataset", )

或仅下载单个会话的输入数据

from huggingface_hub import hf_hub_download import pandas as pd

path = hf_hub_download( repo_id="Ethosoft/ck3-gameplay-mouse-keyboard-dataset", repo_type="dataset", filename="ck3_20260602_210003/input_samples.csv", ) df = pd.read_csv(path)


引用格式

bibtex @dataset{ck3_gameplay_mouse_keyboard, title = {CK3 Gameplay Mouse Keyboard Dataset}, author = {Yağız Ekrem Dalar}, year = {2026}, doi = {10.57967/hf/9535}, url = {https://huggingface.co/datasets/Ethosoft/ck3-gameplay-mouse-keyboard-dataset} }

搜集汇总
数据集介绍
ck3-gameplay-mouse-keyboard-dataset 数据集图片
构建方式
该数据集源自对策略游戏《十字军之王3》真实人类操作过程的精细记录,旨在为行为克隆与模仿学习研究提供高保真的人机交互数据。构建过程采用自研的CK3自动数据集记录器,仅在游戏窗口处于前台激活状态时同步捕获屏幕画面与输入事件。每个记录会话独立存储为一个时间戳文件夹,内含30帧每秒的桌面视频(libx264编码)、以纳秒级精度记录所有原始鼠标与键盘事件的CSV文件、经过60赫兹均匀重采样后的输入状态序列,以及包含同步公式与编码参数的元数据JSON文件。目前已完成56个会话的公开上传,计划扩充至187份录制,总体积约66GB,并处于持续增长中。
使用方法
研究者可通过HuggingFace Hub的snapshot_download函数整体下载全量数据集,或利用hf_hub_download按需获取单个会话的输入CSV与元数据进行低成本初步分析。由于视频文件体积较大,推荐优先处理input_samples.csv与metadata.json,仅在需要逐帧视觉信息时才拉取对应的screen.mp4文件。输入数据以标准Pandas DataFrame格式加载,可直接用于行为克隆策略的监督学习、视频到动作的序列预测、以及强化学习中的专家演示预热等场景。同步公式确保了视觉与动作的一一对应,无需额外的时间对齐处理。
背景与挑战
背景概述
在游戏人工智能与人类行为建模的交叉领域,基于人类演示的模仿学习为训练智能体提供了极具价值的数据基础。由Yağız Ekrem Dalar于2026年创建的CK3 Gameplay Mouse Keyboard Dataset,是一项专为《十字军之王III》这类用户界面密集且决策复杂的策略游戏所设计的行为克隆资源。该数据集由Ethosoft机构主导,收录了187段人类玩家的真实游戏过程,涵盖视频、鼠标轨迹、点击事件及键盘操作等模态信息,为视频到动作预测、强化学习预热、人机交互研究等核心问题提供了高精度、同步化的训练素材。作为首个公开的CK3实时操作数据集,它填补了复杂策略游戏领域行为克隆数据的空白,对推动游戏AI、机器人模仿学习及用户界面研究具有重要影响力。
当前挑战
该数据集构建与应用于多重挑战。首先,面对的核心领域问题是如何在策略游戏中模拟人类决策过程——这类游戏通常拥有庞大的动作空间与嵌套菜单系统,且人类操作包含大量犹豫、误点与修正行为,对智能体的泛化能力提出极高要求。其次,构建过程中需解决跨模态数据的精准同步问题,即每秒30帧的视频与60Hz采样频率的输入事件必须实现子帧级对齐。此外,需确保数据仅在游戏窗口处于前台时采集,避免隐私泄露,同时处理长时间游戏产生的海量数据(约66GB视频及1.8GB输入文件),对存储与计算资源构成压力。最后,如何从这些充满人类‘不完美’行为的演示中提取可复用的策略,是当前技术面临的瓶颈。
常用场景
经典使用场景
该数据集在行为克隆与模仿学习领域占据独特地位,它提供了来自《十字军之王III》这款深度策略游戏的完整人机交互记录。研究者可利用视频画面与鼠标、键盘事件的精细同步数据,训练模型模仿人类玩家的操作模式,涵盖从宏观战略决策到微观界面交互的完整行为链路。
解决学术问题
该数据集精准回应了复杂策略游戏中智能体训练的核心瓶颈——单纯依赖强化学习从零探索难以应对海量动作空间与嵌套菜单结构。通过提供人类专家的真实操作样本,它为策略游戏AI的冷启动问题提供了奠基性解决方案,显著降低了探索成本,推动了模仿学习在复杂UI环境中的方法论突破。
实际应用
在游戏AI开发的实际场景中,该数据集可用于训练能够自主完成CK3全流程操作的游戏智能体,包括领地管理、外交斡旋与战争指挥。其录制的精细操作序列也为自动化测试工具提供了基准,协助开发者验证游戏UI的直观性与操作流畅度,从而优化玩家体验。
数据集最近研究
最新研究方向
该数据集聚焦于从复杂策略游戏中采集的人类操作行为数据,为行为克隆、模仿学习与强化学习提供了高保真的训练基础。在游戏AI前沿研究中,它突破了传统合成数据或简化仿真环境的局限,利用《十字军之王3》这一UI密集、决策树高度嵌套的宏大策略游戏作为试验场,记录下包含鼠标轨迹、键盘事件与屏幕视频精准对齐的细粒度交互流。这一资源极大地推动了视频到动作预测模型的研发,使得研究者能够训练出具备人类式犹豫、纠正与多级菜单导航能力的智能体。同时,密集的60Hz光标遥测数据也为人类计算交互(HCI)与意图建模领域注入了稀缺的高精度实证素材,助力从真实行为中提炼决策与认知模式,具有跨学科的深远意义。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务