论文发布跨多款3D游戏的分层目标动作数据集AceAction
资讯摘要
论文提出AceAction数据集，采集多款3D游戏中的人类游玩演示，用于学习技能组合与子目标切换。数据以完整任务为单位，将整体指令、有序子目标和局部技能指令与时间对齐的视觉观测及键鼠动作关联。作者用视觉语言模型流水线自动标注子目标与导航路径点，并抽查500条轨迹，报告独立评审通过率为95.8%。
要点速读
- 数据集覆盖导航、侦察、战斗、交互与恢复等技能，并标注明确的阶段边界
- 作者开发视觉语言模型流水线，从目标或交互对象变化中识别子目标，并将相邻子目标组合为任务指令
- 对500条轨迹的审计显示，独立评审的通过率为95.8%
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。