[论文解读] RedDwarfData: a simplified dataset of StarCraft matches

J. J. Merelo, Antonio Fernández-Ares+3 more|arXiv (Cornell University)|Dec 29, 2017

Artificial Intelligence in Games参考文献 2被引用 3

一句话总结

RedDwarfData 展示了一款轻量级、预处理过的 CSV 格式数据集，包含 4,655 场《星际争霸》对战，数据源自 Robertson 和 Watson 的数据库，通过采样资源变化而非固定帧进行简化。该数据集支持高效的强化学习与预测模型训练及分析，具备均衡的种族分布和即用型时间特征，以开放的 GitHub 许可证发布，适用于研究与机器人开发。

ABSTRACT

The game Starcraft is one of the most interesting arenas to test new machine learning and computational intelligence techniques; however, StarCraft matches take a long time and creating a good dataset for training can be hard. Besides, analyzing match logs to extract the main characteristics can also be done in many different ways to the point that extracting and processing data itself can take an inordinate amount of time and of course, depending on what you choose, can bias learning algorithms. In this paper we present a simplified dataset extracted from the set of matches published by Robinson and Watson, which we have called RedDwarfData, containing several thousand matches processed to frames, so that temporal studies can also be undertaken. This dataset is available from GitHub under a free license. An initial analysis and appraisal of these matches is also made.

研究动机与目标

• 为解决在机器学习研究中使用完整《星际争霸》回放数据集所面临的高计算与数据处理开销问题。
• 创建一个简化且易于访问的数据集，在降低资源需求的同时保留时间动态特性，以支持训练与分析。
• 提供一个在所有种族组合及对局时长上均保持平衡的预处理数据集，用于监督学习与机器人评估。
• 通过提供轻量级替代方案，减少大型原始回放数据集带来的复杂性，从而加速强化学习与基于进化算法的机器人开发中的实验进程。
• 通过从游戏日志中结构化、时间对齐的特征提取，支持对对局结果的早期预测与策略分析。

提出的方法

• 从 Robertson 和 Watson 的原始《星际争霸》对战关系型数据库中提取数据，重点关注 TeamLiquid 和 BWReplays 的回放日志。
• 以资源变化（矿物、高能瓦斯、供应）为时间参考点，而非固定帧采样，以保留时间相关性。
• 通过汇总各地图区域的区域特定值，并向前传播最后已知值，以最小化缺失数据，聚合单位数量与资源数值。
• 基于可见单位估算敌方单位数量，承认因视野缺失而带来的固有不确定性。
• 将所有处理后的数据导出为标准 CSV 格式，可直接用于机器学习流程，无需额外解析或执行。
• 通过包含所有种族组合（Zerg、Protoss、Terran）及对局时长的对局，确保数据分布均衡，无显著偏差。

实验结果

研究问题

• RQ1 从完整《星际争霸》回放日志中提取的简化轻量级数据集，是否能在不牺牲时间与战略保真度的前提下，有效支持机器学习训练？
• RQ2 在大规模真实世界回放数据集中，不同种族组合的对局时长与结果分布如何变化？
• RQ3 资源变化事件在多大程度上可作为实时战略游戏建模对局进展的有效时间锚点？
• RQ4 在该数据集中，Zerg 种族是否在胜率上具有固有优势，且该优势是否与特定游戏内动态相关？
• RQ5 预处理过的、以 CSV 格式存储的数据集，是否能减少强化学习与机器人评估中数据准备的时间与复杂度？

主要发现

• RedDwarfData 数据集包含 4,655 场《星际争霸》对局，所有种族组合均实现均衡覆盖，其中 Terran 对 Protoss 对局超过 1,900 场，Zerg 参与度显著。
• 对局平均时长为 25.26 分钟，众数位于 20–25 分钟之间，表明分布相对对称且无明显偏斜。
• Zerg 玩家在参与对局中获胜比例最高，表明在该数据集中可能存在战略优势。
• 对局时长主要受游戏动态影响，而非种族身份，Zerg 对 Zerg 与 Protoss 对 Protoss 对局在时长上表现出显著偏差。
• 通过以资源变化事件作为时间参考，该数据集实现了精确的时间追踪，同时通过最后已知值插补法最小化了数据膨胀与缺失值。
• 该数据集以开放的、标准的 CSV 格式在 GitHub 上发布，采用 Apache 许可证，可立即用于机器学习与机器人开发工作流。