arXiv · cs.AI · Kailing Li, Ruoxuan Zhang, Zheyuan Zhou, Boyang Chu, Yingshan Lei, Hongxia Xie, Liang Du, Zixun Sun · 5 小时前模型评分39
AceAction-5M：跨 3D 游戏世界的分层目标通用动作学习数据集
AceAction-5M: Hierarchical Goals for Generalist Action Learning Across 3D Game Worlds
导读
研究者发布 AceAction 数据集，采集多款 3D 游戏中的人类游玩过程，把整体任务指令、有序子目标和局部技能指令与画面及键鼠操作按时间对齐。该数据集用视觉语言模型流水线自动标注子目标与阶段边界，覆盖导航、侦察、战斗、交互和恢复，500 条轨迹审核通过率 95.8%。它为研究智能体如何执行、组合和切换技能提供了数据基础。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce AceAction, a dataset of human gameplay across multiple 3D games for learning skill composition and subgoal transitions.”
来源：arXiv · cs.AI · arxiv.org