星际争霸作为检验AI效果的一个重要“模式生物”, 是验证AI技术的重要平台‌，尤其在深度学习和强化学习领域。该游戏因其复杂的游戏机制和实时决策要求，为AI研究提供了丰富的测试环境和挑战。

本博文是记录自己曾经研究星际争霸AI时对于数据部分的一点汇总，由于AlphaStar是模仿学习+强化学习的路线（在 AlphaStar 中，第一步的训练是在暴雪提供的数据集上进行的有监督学习。据 DeepMind 称，经过有监督学习，AlphaStar 对暴雪的内置 AI 能保持 95% 上的胜率。接下来很多经过有监督学习的 AlphaStar 进行联赛 (League)，相互对打，在这个过程中使用强化学习不断提升能力。），于是我先找的数据集，还踩了很多坑……知行合一致体悟，留与后人三两迳。

相关事件

2017年8月7日，Facebook的AI团队发布了史上最大的《星际争霸：母巢之战》游戏数据集。紧接着10号，Deepmind就和暴雪联合发布了《星际争霸2》的游戏数据集与AI训练平台SC2LE。

DeepMind and Blizzard open StarCraft II as an AI research environment - Google DeepMindhttps://deepmind.google/discover/blog/deepmind-and-blizzard-open-starcraft-ii-as-an-ai-research-environment/

2018年12月10日和19 日AlphaStar 在《星际争霸2》中先后以 5：0 全胜的战绩击败了 2 位国际顶级的人类选手

2019年10月，出了那篇nature

Grandmaster level in StarCraft II using multi-agent reinforcement learning | Naturehttps://www.nature.com/articles/s41586-019-1724-z

1.数据集

首先，星际争霸的数据集分为《星际争霸1：母巢之战》（母巢之战是DLC名）和《星际争霸2》的！他们是不同的！

2017年8月7日，Facebook 的四名科学家 Zeming Lin, Jonas Gehring, Vasil Khalidov, Gabriel Synnaeve 公布了史上最大的《星际争霸:母巢之战》游戏数据集：365GB，包含6万游戏记录，15亿帧，4.9亿玩家操作。

数据集-OpenDataLabhttps://opendatalab.com/OpenDataLab/StarData这是Facebook 做的母巢之战的数据集

而到了Deepmind这里，事情就有一点复杂了。他们的对象不是《母巢之战》，而是更加高级的《星际争霸2》。Deepmind也给出了游戏数据集，包含6万5千场暴雪官方回收的匿名游戏数据。未来还会持续增加。

sc2_datasets——当下我找到的最好的星际2数据集！数据集、使用方式都给研究者准备好了！

数据集下载地址：

SC2ReSet: StarCraft II Esport Replaypack Sethttps://zenodo.org/records/5575797

论文地址：（还是篇nature？？？）

SC2EGSet: StarCraft II Esport Replay and Game-state Datasethttps://www.nature.com/articles/s41597-023-02510-7.pdf

(PDF) SC2EGSet: StarCraft II Esport Replay and Game-state Datasethttps://www.researchgate.net/publication/373767449_SC2EGSet_StarCraft_II_Esport_Replay_and_Game-state_Dataset

帮助手册

使用样例- sc2_datasets 1.1.0 Documentationhttps://sc2-datasets.readthedocs.io/en/latest/example.html帮助手册-SC2Reader User Manual — sc2reader 0.7.0-pre documentationhttps://sc2reader.readthedocs.io/en/latest/

Spawning——这是最全最实时的星际的生数据集网站！

支持按玩家、比赛时间等（左侧条件筛选框）进行筛选！

Spawning Tool: Browse Replays

网站地址：

Spawning Tool: StarCraft 2 Build OrdersSpawning Tool organizes StarCraft 2 build orders, guides, and replayshttps://lotv.spawningtool.com/

MCS:

中科院开源星际争霸2宏观运营研究数据集MSC

MSC: A Dataset for Macro-Management in StarCraft II | Papers With Codehttps://paperswithcode.com/paper/msc-a-dataset-for-macro-management-in数据集：

MSC Dataset | Papers With Codehttps://paperswithcode.com/dataset/msc数据集载入工程

https://github.com/wuhuikai/MSChttps://github.com/wuhuikai/MSC

Sc2ReplayStats

还算好用的星际数据集下载网站，就是必须注册，还有各种限制……

Sc2ReplayStats - Starcraft 2 Replay Replay Hosting/Training System - Sc2ReplayStats.comhttps://sc2replaystats.com/

StarCraft II Unplugged: 大规模离线强化学习数据集

https://openreview.net/pdf?id=Np8Pumfotyhttps://openreview.net/pdf?id=Np8Pumfoty

2.强化学习环境

当初我曾豪情万丈，觉得已经出现的东西应该很容易就可以复现和改进，结果我发现复杂的整局对战全使用深度学习并不容易，原来研究人员当初也是用编辑器做的小地图（mini-games，就几个兵对战的那种）来对战……

2017年的发布还包括了一系列迷你游戏（mini-games），这是一种将游戏分解成更可控的部分的技术，可以用于测试智能体在特定任务中的表现，例如移动视角（camera）、采矿或是选择操作单位。DeepMind 在博客中表示，希望研究者能够在这些迷你游戏上测试其技术，同时也为其他研究者提供新的迷你游戏，用以竞赛和评估。

3.AI接口

发布了星际争霸2的人工智能研究环境SC2LE（作为一个高中时玩魔兽地图编辑器的，我挺想做魔兽AI的，但是没接口没法接AI的输入输出啊……）

SC2LE 开放平台，相对于大家之前做的星际1的平台，最大的一个优势是提供了很多端到端的内容操作的API接口，发展出来可以通过接口像人一样打星际，进行控制。这种接口是在之前的星际1平台上不提供的。

Blizzard/s2client-proto: StarCraft II Client - protocol definitions used to communicate with StarCraft II.https://github.com/Blizzard/s2client-proto

PySC2是SC2LE的继承者， PySC2 ‌是由 DeepMind 开发的星际争霸II 学习环境（StarCraft II Learning Environment, SC2LE）的 Python 组件。该项目旨在为机器学习研究者提供一个丰富的环境，用于强化学习（Reinforcement Learning, RL）研究‌环境。

google-deepmind/pysc2: StarCraft II Learning Environmenthttps://github.com/google-deepmind/pysc2