StarCraftImage：面向多智能体环境空间推理方法原型制作的数据集
计算机视觉与模式识别
2024-01-10 v1 人工智能
多智能体系统
摘要
多智能体环境中的空间推理任务（如事件预测、智能体类型识别或缺失数据填补）对多种应用（例如传感器网络上的自主监控以及强化学习 (RL) 的子任务）具有重要意义。StarCraft II 游戏录像编码了智能（及对抗性）多智能体行为，可为这些任务提供测试平台；然而，提取简单且标准化的表征以进行这些任务的原型制作十分繁琐，且阻碍了可复现性。相比之下，MNIST 和 CIFAR10 尽管极其简单，却实现了机器学习方法的快速原型制作和可复现性。借鉴这些数据集的简洁性，我们基于展现复杂多智能体行为的 StarCraft II 录像构建了一个基准空间推理数据集，同时使其像 MNIST 和 CIFAR10 一样易于使用。具体而言，我们仔细提取了 255 个连续游戏状态的窗口，从 60,000 场录像中创建了 360 万张摘要图像，包含游戏结果和玩家种族等所有相关元数据。我们开发了三种复杂度递减的格式：包含每个单位类型对应一个通道的高光谱图像（类似于多光谱地理空间图像）、模仿 CIFAR10 的 RGB 图像，以及模仿 MNIST 的灰度图像。我们展示了如何使用该数据集进行空间推理方法的原型制作。所有数据集、提取代码和数据集加载代码可在 https://starcraftdata.davidinouye.com 找到。
引用
@article{arxiv.2401.04290,
title = {StarCraftImage: A Dataset For Prototyping Spatial Reasoning Methods For Multi-Agent Environments},
author = {Sean Kulinski and Nicholas R. Waytowich and James Z. Hare and David I. Inouye},
journal= {arXiv preprint arXiv:2401.04290},
year = {2024}
}
备注
Published in CVPR 23'