ESTA：一个电子竞技轨迹与动作数据集
机器学习
2022-09-21 v1
摘要
体育因其全球影响力和具有丰富预测任务的特性，是部署机器学习模型的一个令人振奋的领域。然而，传统体育的数据往往因其规模、真实性和可获取性而不适合研究使用。为解决这些问题，我们转向电子竞技这一不断发展的领域，其涵盖了以类似传统体育方式进行的电子游戏。由于电子竞技数据是通过服务器日志而非外围传感器获取的，电子竞技提供了一个独特的机会，可获得海量干净且详细的时空数据，类似于传统体育中收集的数据。为解析电子竞技数据，我们开发了 awpy，一个开源的电子竞技游戏日志解析库，可从游戏日志中提取玩家轨迹与动作。利用 awpy，我们从 1,558 场职业反恐精英(Counter-Strike)赛事的游戏日志中解析出 860 万次动作、790 万游戏帧和 41.7 万条轨迹，创建了电子竞技轨迹与动作(ESTA)数据集。ESTA 是迄今公开可用的最大且最精细的体育数据集之一。我们利用 ESTA 基于玩家特定信息开发了胜率预测的基准。ESTA 数据可在 https://github.com/pnxenopoulos/esta 获取，awpy 已通过 PyPI 公开发布。
引用
@article{arxiv.2209.09861,
title = {ESTA: An Esports Trajectory and Action Dataset},
author = {Peter Xenopoulos and Claudio Silva},
journal= {arXiv preprint arXiv:2209.09861},
year = {2022}
}