論文の概要: SC2Tools: StarCraft II Toolset and Dataset API

• arxiv url: http://arxiv.org/abs/2509.18454v1
• Date: Mon, 22 Sep 2025 22:25:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.602884
• Title: SC2Tools: StarCraft II Toolset and Dataset API
• Title（参考訳）: SC2Tools: StarCraft IIツールセットとデータセットAPI
• Authors: Andrzej Białecki, Piotr Białecki, Piotr Sowiński, Mateusz Budziak, Jan Gajewski,
• Abstract要約: ゲームとエスポートは、人工知能(AI)と機械学習(ML)ソリューションの大規模適用に影響される重要な領域である。 本研究では,複数のサブモジュールを含むツールセットであるSC2Tools'を紹介する。 私たちが現在使用しているツールは、データを簡単にアクセスするためのPyTorchとPyTorchアプリケーションLightningプログラミングインターフェース(API)で、これまでで最大のStarCraft2トーナメントデータセットの作成に活用されました。
• 参考スコア（独自算出の注目度）: 0.26097841018267615
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Computer games, as fully controlled simulated environments, have been utilized in significant scientific studies demonstrating the application of Reinforcement Learning (RL). Gaming and esports are key areas influenced by the application of Artificial Intelligence (AI) and Machine Learning (ML) solutions at scale. Tooling simplifies scientific workloads and is essential for developing the gaming and esports research area. In this work, we present ``SC2Tools'', a toolset containing multiple submodules responsible for working with, and producing larger datasets. We provide a modular structure of the implemented tooling, leaving room for future extensions where needed. Additionally, some of the tools are not StarCraft~2 exclusive and can be used with other types of data for dataset creation. The tools we present were leveraged in creating one of the largest StarCraft~2 tournament datasets to date with a separate PyTorch and PyTorch Lightning application programming interface (API) for easy access to the data. We conclude that alleviating the burden of data collection, preprocessing, and custom code development is essential for less technically proficient researchers to engage in the growing gaming and esports research area. Finally, our solution provides some foundational work toward normalizing experiment workflow in StarCraft~2
• Abstract（参考訳）: コンピュータゲームは、完全に制御されたシミュレーション環境として、強化学習(RL)の適用を実証する重要な科学的研究に利用されてきた。 ゲームとエスポートは、人工知能(AI)と機械学習(ML)ソリューションの大規模適用に影響される重要な領域である。 ツーリングは科学的な作業を単純化し、ゲームやエスポートの研究領域の開発に不可欠である。 本研究では,複数のサブモジュールを含むツールセットである ``SC2Tools'' について述べる。 実装されたツールのモジュール化された構造を提供し、必要に応じて将来の拡張の余地を残します。 さらに、いくつかのツールはStarCraft~2専用ではなく、データセット作成のために他のタイプのデータと併用することができる。 私たちが現在使用しているツールは、データを簡単にアクセスするためのPyTorchとPyTorch Lightningアプリケーションプログラミングインターフェース(API)で、これまでで最大のStarCraft~2トーナメントデータセットの作成に活用されました。 データ収集、前処理、カスタムコード開発といった負担を軽減することは、技術に精通していない研究者が成長するゲームやエスポートの研究領域に携わる上で不可欠である、と結論付けている。 最後に、私たちのソリューションはStarCraft~2の実験ワークフローの標準化に向けた基礎的な作業を提供します。

関連論文リスト

• SEART Data Hub: Streamlining Large-Scale Source Code Mining and Pre-Processing [13.717170962455526]
  私たちはSEART Data HubというWebアプリケーションを紹介します。これは、公開GitHubリポジトリからマイニングされたコードを特徴とする大規模データセットを簡単に構築し、事前処理できるWebアプリケーションです。 簡単なWebインターフェースを通じて、研究者はマイニング基準と、実行したい特定の前処理ステップを指定できる。 リクエストを提出すると、ユーザは数時間以内に、必要なデータセットのダウンロードリンク付きのメールを受け取る。
  論文  参考訳（メタデータ） (2024-09-27T11:42:19Z)
• Cradle: Empowering Foundation Agents Towards General Computer Control [80.02794667853045]
  GCCに向けた予備的な試みとして,モジュール型かつフレキシブルなLMM駆動フレームワークであるCradleを紹介した。 Cradleは入力スクリーンショットを理解し、低レベルキーボードと高レベルプランニング後のマウス制御のために実行可能なコードを出力することができる。 Cradleは、これまで探索されていなかった4つの商用ビデオゲーム、5つのソフトウェアアプリケーション、そして包括的なベンチマークであるOSWorldで、目覚ましい一般化性と印象的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-03-05T18:22:29Z)
• AlphaStar Unplugged: Large-Scale Offline Reinforcement Learning [38.75717733273262]
  StarCraft IIは、最も難しいシミュレーションされた強化学習環境の1つである。 Blizzardは、人間のプレーヤーがプレイする何百万ものStarCraft IIゲームの大規模なデータセットをリリースした。 データセット(Blizzardのリリースのサブセット)、マシンラーニングメソッドのAPIを標準化するツール、評価プロトコルを定義します。
  論文  参考訳（メタデータ） (2023-08-07T12:21:37Z)
• CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
  大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。 我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。 我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
  論文  参考訳（メタデータ） (2023-05-23T17:51:52Z)
• Nerfstudio: A Modular Framework for Neural Radiance Field Development [60.210943944285184]
  NerfstudioはNeural Radiance Fields(NeRF)メソッドを実装するためのモジュール型のPyTorchフレームワークである。 NeRFはコンピュータビジョン、グラフィックス、ロボティクスなどの幅広い応用分野において急速に成長している研究分野である。 我々のフレームワークにはNeRFベースの手法を実装するためのプラグイン・アンド・プレイコンポーネントが含まれており、研究者や実践者が彼らのプロジェクトにNeRFを組み込むのが容易になる。
  論文  参考訳（メタデータ） (2023-02-08T18:58:00Z)
• The Open MatSci ML Toolkit: A Flexible Framework for Machine Learning in Materials Science [3.577720074630756]
  Open MatSci ML Toolkitは、科学的データにディープラーニングモデルとメソッドを適用するための、柔軟で自己完結型でスケーラブルなPythonベースのフレームワークである。 オープンソースリリースを通じて、このツールキットを研究コミュニティに公開し、共有することで、次のように期待しています。 OpenCatalystデータセットを使い始めようとする、新しい機械学習研究者や実践者の参入障壁を低くする。
  論文  参考訳（メタデータ） (2022-10-31T17:11:36Z)
• SC2EGSet: StarCraft II Esport Replay and Game-state Dataset [0.0]
  この研究は、StarCraft II esportsトーナメントから生のファイルと事前処理されたファイルを提供することで、幅広い科学コミュニティにエスポートを開放することを目的としている。 トーナメントマッチをゲームエンジンで生成し,低レベルアプリケーションプログラミングインタフェース(API)ライブラリを用いてデータ抽出を行った。 私たちのデータセットには、2016年以来のスタークラフトIIトーナメントのメジャーおよびプレミアのリプレイが含まれています。
  論文  参考訳（メタデータ） (2022-07-07T16:52:53Z)
• Applying supervised and reinforcement learning methods to create neural-network-based agents for playing StarCraft II [0.0]
  本稿では,汎用的な教師付き強化学習でトレーニングしたStarCraft IIのフル2プレーヤマッチングを実現するニューラルネットワークアーキテクチャを提案する。 本実装では,ゲーム内スクリプトボットと比較して,非自明な性能を実現している。
  論文  参考訳（メタデータ） (2021-09-26T20:08:10Z)
• OpenHoldem: An Open Toolkit for Large-Scale Imperfect-Information Game Research [82.09426894653237]
  OpenHoldemは、NLTHを用いた大規模不完全情報ゲーム研究のための統合ツールキットです。 1)異なるNLTH AIを徹底的に評価するための標準化された評価プロトコル、2)NLTH AIのための3つの公的に利用可能な強力なベースライン、3)公開NLTH AI評価のための使いやすいAPIを備えたオンラインテストプラットフォーム。
  論文  参考訳（メタデータ） (2020-12-11T07:24:08Z)
• MSC: A Dataset for Macro-Management in StarCraft II [52.52008929278214]
  プラットフォームSC2LEに基づいた新しいマクロ管理データセットをリリースする。 MSCは、よく設計された特徴ベクトル、事前定義されたハイレベルアクション、および各マッチの最終結果からなる。 データセットの他に,グローバルな状態評価とビルド順序予測のためのベースラインモデルと初期ベースライン結果を提案する。
  論文  参考訳（メタデータ） (2017-10-09T14:59:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。