論文の概要: Esports World Model Dataset

• arxiv url: http://arxiv.org/abs/2610.16166v1
• Date: Mon, 12 Oct 2026 04:41:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 07:15:24.805154
• Title: Esports World Model Dataset
• Title（参考訳）: Esports World Model Dataset
• Abstract要約: EWMは、StarCraft II、Dota 2、Counter-Strike 2にまたがる人間のゲームプレイのコレクションである。 これには4,628のStarCraft IIビュー、303のDota 2マッチの10のビュー、CS2の1ラウンドあたりのビュー最大10のビューが含まれる。 EWMは、共同制御されたマルチプレイヤーの世界モデルと、チームメイトや人間プレイから学んだ対戦者が住む対話環境の研究を支援する。
• 参考スコア（独自算出の注目度）: 50.22757084252763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interactive world models must capture how multiple participants jointly change a shared environment while observing different parts of it. Competitive games make this challenge concrete: players cooperate and compete, while fog of war, team vision and camera placement determine what each can see. Modeling these interactions requires data that connect individual observations and actions to shared state and events. We introduce the Esports World Model Dataset (EWM), a collection of human gameplay spanning StarCraft II, Dota 2 and Counter-Strike 2, with 3,053 games and maps and approximately 4,880 player-view hours, including estimated hours for the ongoing CS2 extension. It includes 4,628 completed StarCraft II views, all ten perspectives for 303 Dota 2 matches, and up to ten views per round in CS2. Across these views, replay-clock alignment connects rendered video with game-native actions, structured state and events from the same match. The three games expose complementary observation conditions: private fog of war, shared team vision and first-person viewpoints. In StarCraft II, player-specific entity records further distinguish live observations from remembered snapshots and link co-observed entities across opposing views. Together with temporal alignment, these records allow researchers to distinguish legitimate information differences from disagreement about shared state. By connecting human decisions, shared dynamics and player-specific information, EWM supports research toward jointly controlled multiplayer world models and interactive environments populated by teammates and opponents learned from human play.
• Abstract（参考訳）: インタラクティブな世界モデルは、複数の参加者が、その異なる部分を観察しながら共有環境を共同で変更する方法をキャプチャする必要があります。 プレイヤーは協力し、競争するが、戦争の霧、チームビジョン、カメラ配置は各プレイヤーに何が見えるかを決定する。 これらの相互作用をモデル化するには、個々の観察とアクションを共有状態とイベントに結びつけるデータが必要である。 In the Esports World Model Dataset (EWM) is a collection of human gameplay across the StarCraft II, Dota 2 and Counter-Strike 2 with 3,053 games and map and approximately 4,880 player-view hours, including the estimated hours for the CS2 extension。 これには4,628のStarCraft IIビュー、303のDota 2マッチの10のビュー、CS2の1ラウンドあたりのビュー最大10のビューが含まれる。 これらのビュー全体で、リプレイタイムアライメントはレンダリングされたビデオとゲームネイティブアクション、構造化状態、同じマッチからのイベントを結びつける。 3つのゲームは、戦争の私的な霧、チームビジョンの共有、一人称視点といった、補完的な観察条件を呈している。 StarCraft IIでは、プレイヤー固有のエンティティレコードが、記憶されたスナップショットからライブの観察をさらに区別し、反対のビューにコオブされたエンティティをリンクする。 これらの記録は、時間的アライメントとともに、研究者が正当な情報の違いと共有状態についての意見の相違を区別することを可能にする。 EWMは、人間の決定、共有ダイナミクス、プレイヤー固有の情報を結びつけることで、共同制御されたマルチプレイヤーの世界モデルと、チームメイトや人間のプレイから学んだ対戦相手が居住する対話環境の研究を支援する。

関連論文リスト

• WorldCast: Distributed Multiplayer World Models [30.3553182535388]
  マルチプレイヤーの世界モデルは、プレイヤーと共有環境の一貫性のある表現で独立して制御されたビューを生成する必要がある。 本稿では,各プレイヤーがビデオジェネレータと状態モデルからなるローカルクライアントを実行する分散マルチプレイヤーワールドモデルWorldCastを提案する。 Counter-Strike 2の実験では、WorldCastの一貫性、リアルタイムパフォーマンス、分散スケーラビリティが実証されている。
  論文  参考訳（メタデータ） (2026-10-08T17:49:44Z)
• Multiplayer Interactive World Models with Representation Autoencoders [28.451678067070777]
  複雑な物理的相互作用によって制御される高度に動的な環境に対する最初のマルチプレイヤー世界モデルを導入する。 我々は,この問題をRocket Leagueのゲームで研究し,高速で密結合したダイナミックスの下でプレイヤーが競争し,協力する。
  論文  参考訳（メタデータ） (2026-07-06T17:31:52Z)
• EgoCS-400K: An Egocentric Gameplay Dataset for World Models [53.9389499966106]
  EgoCS-400Kは,世界モデルのための大規模リプレイ・グラウンド型Egocentric Counter-Strikeデータセットである。 パブリックプロのCSとCS2のマッチデモから作られ、人間のゲームプレイの軌跡を保存している。 EgoCS-400Kには、1000以上の試合と4万回以上のラウンドから40万人以上の個人ビデオと1万時間のゲームプレイが含まれている。
  論文  参考訳（メタデータ） (2026-06-16T17:13:58Z)
• ActionParty: Multi-Subject Action Binding in Generative Video Games [117.52562594944679]
  ActionPartyは、ゲーム生成のための制御可能な多目的世界モデルである。 46の多様な環境において最大7人のプレイヤーを同時に制御できる最初のビデオワールドモデルを実証する。
  論文  参考訳（メタデータ） (2026-04-02T17:59:58Z)
• X-Ego: Acquiring Team-Level Tactical Situational Awareness via Cross-Egocentric Contrastive Video Representation Learning [1.1765015608581086]
  X-Ego-CSは、人気のあるeスポーツゲームCounter-Strike 2の45のプロレベル試合の124時間のゲームプレイ映像からなるベンチマークデータセットである。 X-Ego-CSは、すべてのプレイヤーのファーストパーソン視点とステートアクション軌跡を同期的にキャプチャするクロスエゴセントリックなビデオストリームを提供する。 我々は,チームメイトの自我中心の視覚ストリームを調整し,チームレベルの状況認識を個人の視点から促進するクロスエゴコントラスト学習(CECL)を提案する。
  論文  参考訳（メタデータ） (2025-10-22T00:48:35Z)
• Towards Universal Soccer Video Understanding [58.889409980618396]
  本稿では,サッカー理解のための総合的マルチモーダルフレームワークを提案する。 これまでで最大のマルチモーダルサッカーデータセットである SoccerReplay-1988 を紹介する。 サッカービデオにまたがる時間的情報を活用し、様々な下流タスクに優れる高度なサッカー特化視覚情報であるMatchVisionを提示する。
  論文  参考訳（メタデータ） (2024-12-02T18:58:04Z)
• Game-MUG: Multimodal Oriented Game Situation Understanding and Commentary Generation Dataset [8.837048597513059]
  本稿では,新しいマルチモーダルゲーム状況理解とオーディエンスによるコメント生成データセットであるGAME-MUGを紹介する。 我々のデータセットは、YouTubeとTwitchの2020-2022 LOLゲームライブストリームから収集され、テキスト、オーディオ、時系列イベントログを含むマルチモーダルEスポーツゲーム情報を含んでいる。 また,ゲーム状況とオーディエンス会話理解を網羅して,新たなオーディエンス会話追加コメントデータセットを提案する。
  論文  参考訳（メタデータ） (2024-04-30T00:39:26Z)
• Ego-Exo4D: Understanding Skilled Human Activity from First- and Third-Person Perspectives [194.06650316685798]
  Ego-Exo4Dは、熟練した人間の活動を同時に捉えたエゴセントリックでエゴセントリックなビデオを中心にしている。 世界の13都市から740人の参加者が123の異なる自然環境下でこれらの活動を行った。 ビデオにはマルチチャンネルオーディオ、視線、3Dポイントクラウド、カメラポーズ、IMU、複数対の言語記述が添付されている。
  論文  参考訳（メタデータ） (2023-11-30T05:21:07Z)

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。