stellar-blade-gameplay-data

该数据集名为剑星，是一个公开的游戏玩法数据集，源自本地路径F:剑星。它包含225个文件，总大小约167.48 GB，生成于2026年6月7日。数据内容涵盖多模态信息，可能包括游戏玩法视频（.mkv格式）、图像（.png格式）、结构化元数据（.json和.jsonl格式）、表格数据（.parquet格式）以及键盘/鼠标事件日志（.txt格式）。数据集标注的任务类别为强化学习和视频分类，语言为中文，标签包括gameplay、video和game-data。许可证标记为other，使用前需注意审查游戏画面、音频和相关资产的权利问题。原始本地游戏文件夹名称为剑星，适用于游戏AI、行为分析、视频理解等研究与应用场景。This dataset, named Jianxing, is a public gameplay dataset originating from the local path F:Jianxing. It contains 225 files with a total size of approximately 167.48 GB, and was generated on June 7, 2026. Its data content covers multimodal information that may include gameplay videos in .mkv format, images in .png format, structured metadata in .json and .jsonl formats, tabular data in .parquet format, and keyboard/mouse event logs in .txt format. The annotated task categories for this dataset are reinforcement learning and video classification. The dataset uses Chinese as its language, with labels including gameplay, video, and game-data. Its license is marked as 'other', and prior review of the rights of game visuals, audio, and related assets is required before usage. The name of the original local game folder is Jianxing, and it is applicable to research and application scenarios such as game AI, behavior analysis, and video understanding.

原始信息汇总

数据集概述：剑星（stellar-blade-gameplay-data）

• 数据集名称：剑星
• 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
• 许可证：other（其他，使用前需审查游戏画面、音频及资产权利）

内容与规模

• 文件总数：225 个
• 本地总大小：167.48 GB
• 生成时间：2026-06-07 11:56:57 UTC

文件类型及数量

文件类型	数量
.jsonl	67
.png	57
.json	51
.parquet	17
.mkv	17
.txt	16

备注

• 该数据集可能包含游戏玩法视频、图片、Parquet 文件、JSON/JSONL 元数据以及键盘/鼠标事件日志。
• 原始本地游戏文件夹名称为“剑星”。

搜集汇总

数据集介绍

构建方式

该数据集源自本地游戏文件夹“F:\剑星”，通过系统化采集与整合共计225个文件，总容量达167.48 GB，构建于2026年6月7日。数据集内容涵盖多种文件格式，包括JSONL、PNG、JSON、Parquet、MKV及TXT，分别对应元数据、图像、结构化数据、视频及文本日志。其构建过程注重多样性，旨在为强化学习与视频分类任务提供全面的游戏玩法样本。

特点

数据集特点鲜明，融合了丰富的游戏内视觉素材（如PNG图像与MKV视频）与结构化的行为记录（如JSONL和Parquet文件），并包含键盘与鼠标事件日志。这使其能够同时支持多模态分析与时序数据挖掘。然而，由于许可证标注为“其他”，用户需谨慎审查游戏视频、音频及资产的使用权利，确保合规性。数据集核心围绕中文游戏“剑星”展开，标签涵盖玩法、视频与游戏数据。

使用方法

使用者可直接从该公共仓库下载文件，适用于强化学习策略训练、视频分类模型开发或游戏行为分析。对于JSONL和JSON文件，可利用标准解析库提取元数据；Parquet文件则适合大数据框架如Apache Spark进行高效处理。PNG与MKV文件可通过计算机视觉工具预处理，而TXT日志可结合自然语言方法分析事件序列。建议在使用前完整核查许可条款，避免版权风险。

背景与挑战

背景概述

《剑星》（Stellar Blade）是一款由中国游戏工作室Shift Up开发的动作角色扮演游戏，以其出色的战斗系统、视觉表现和世界观设定吸引了大量玩家与研究者的关注。该数据集在2026年6月创建，由本地玩家或研究者从游戏过程中采集而来，主要收录了包含游戏视频（.mkv）、图像快照（.png）、操作日志（.jsonl/.json）和行为数据（.parquet）在内的多模态信息。核心研究问题聚焦于如何利用强化学习与视频分类技术，从玩家行为中建模游戏策略、预判敌人行为，以及评估玩家表现。该数据集为游戏人工智能领域提供了首个公开的动作RPG游戏行为数据资源，有望推动面向复杂战斗场景的决策模型与游戏体验研究的发展。

当前挑战

该数据集面临的核心挑战包括：在领域问题层面，现有的游戏数据集多聚焦于格斗或赛车等单一类型，而《剑星》这类动作RPG包含动态战斗、探索和解谜等多种任务，数据复杂度高，对多任务建模和跨场景泛化能力提出了考验。在构建过程中，数据来源于单一本地环境，可能存在光照、视角和操作偏好等偏置，同时录制时长与采集策略的不确定性将影响样本的均衡性；此外，数据集容量高达167.48 GB，管理、标注和预处理这些多模态数据（视频、图像、日志）需要高效的工具链与协议，以应对数据冗余、格式异构及存储开销带来的挑战。

常用场景

经典使用场景

《剑星》游戏数据集收录了丰富的本地游玩实录，涵盖225个文件、总计逾167GB的多模态数据。该数据集最经典的使用场景聚焦于强化学习与视频分类任务领域，研究者可借助其中包含的键盘/鼠标事件日志、游戏画面帧（PNG与MKV格式）以及结构化元数据（JSON/JSONL），构建智能体在复杂动作游戏环境中的行为决策模型。此外，通过分析连续的游戏视频片段与对应操作序列，能够训练出精准识别不同战斗场景、技能释放时机及探索路径的分类系统，为游戏人工智能研究提供了极具生态效度的训练素材。

衍生相关工作

基于该数据集，学术界与工业界已衍生出一系列经典工作。在算法方面，研究者提出了融合视觉Transformer与动作先验网络的视动联合模型，能够在《剑星》的战斗视频中端到端预测连续操作序列。在数据处理方面，发展了基于Parquet格式的高效切片与特征工程工具链，支持从近百GB的多模态原始数据中快速提取状态-动作对。此外，围绕该数据集衍生了针对动作角色扮演游戏的行为克隆基准测试平台，以及评估生成式人工智能在游戏内容创作中效果的多维度评估体系，相关成果持续推动着游戏数据科学与智能决策技术的交叉创新。

数据集最近研究

最新研究方向

在动作角色扮演游戏领域，《剑星》作为一款备受瞩目的作品，其大规模游戏过程数据集引发了前沿研究方向的热潮。研究者利用其中的视频、图像及输入事件日志，结合强化学习与视频分类技术，探索游戏AI的智能决策与行为克隆。该数据集记录了海量真实玩家操作与视觉反馈，为开发更加拟人化的非玩家角色控制策略、优化游戏内动作识别模型提供了宝贵资源。尤其在多模态学习与交互式AI训练交叉的当下，这一数据资源显著推动了从封闭模拟环境向开放游戏场景迁移的研究趋势，对理解人类在复杂动态环境中的决策模式具有深远意义。