MSC: A Dataset for Macro-Management in StarCraft II

MSC: A Dataset for Macro-Management in StarCraft II.

@article{wu2017msc,
  title={MSC: A Dataset for Macro-Management in StarCraft II},
  author={Wu, Huikai and Zhang, Junge and Huang, Kaiqi},
  journal={arXiv preprint arXiv:1710.03131},
  year={2017}
}

Download

• Global features are available HERE.
• [TRAIN|VAL|TEST] split is available HERE.
• [Stat] is available HERE. The stat files with postfix human.json are human-readable.
• Spatial features are NOT avaiable since I do not have any download server. Please follow the instructions to generate the spatial features by yourself.

Baselines

Global State Evaluation

Build Order Prediction

Dataset: Global Feature Vector

Each replay is a (T, M) matrix F, where F[t, :] is the feature vector for time step t.

Each row of F is a M-dimensional vector, with M varying as [RACE] v.s. [RACE].

The M-dimensional vector is orgnized as follows:

1. [0]: reward, i.e. final result of the game. 0: DEFEAT, 1: WIN.
2. [1]: ground truth action, ranging from [0, #ACTION].
3. [2-15): cumulative score [NOT NORMALIZED], which is defined in Here.
4. [15-M): observation feature vector, which is normalized into [0, 1].

   1. [15]: frame id.

   2. [16-27): player info, including various resources and n_power_source.

   3. [27-#1): alerts, boolean.

   4. [#1-#2): upgrades, boolean.

   5. [#2-#3): research count.

   6. [#3-#4): friendly units info, which is defined in Here.

   7. [#4-M): enemy units info, where M = #4 + #[ENEMY RACE].

      V.S.	TvT:T	TvZ:T	TvZ:Z	TvP:T	TvP:P	ZvZ:Z	ZvP:Z	ZvP:P	PvP:P
      M	753	1131	1121	663	653	1499	1031	1031	563

      RACE	#1	#2	#3	#4	#ACTION	#RACE
      Terran	29	60	81	417	75	336
      Protoss	29	55	71	317	61	246
      Zerg	29	55	71	785	74	714

Code for loading F:

import numpy as np
from scipy import sparse
F = np.asarray(sparse.load_npz(PATH).todense())

Dataset: Spatial Feature Tensor

Each replay contains a (T, 13, 64, 64) tensor S and a (T, 26) matrix G.

The specifics for S[t, :, :, :] is as follows:

1. S[t, 0:8, :, :]: screen features, roughly normalized into [0-1], which is defined in Here.
2. S[t, 8:13, :, :]: minimap features, roughly normalized into [0-1], which is defined in ВНИМАНИЕ: Слой обмана: последний слой S[t, 12, :, :] относится к unit_type, который можно получить только в повторах.

Код для загрузки S:

import numpy as np
from scipy import sparse
S = np.asarray(sparse.load_npz(PATH).todense()).reshape([-1, 13, 64, 64])

Специфика G[t, :] следующая:

1. [0–11): идентификатор кадра + информация об игроке, нормализованная до [0, 1], которая определена Здесь.
2. [11–24): совокупный счёт [НЕ НОРМАЛИЗОВАННЫЙ], который определён в Здесь.
3. [24]: награда, то есть конечный результат игры. 0: ПОРАЖЕНИЕ, 1: ПОБЕДА
4. [25]: истинное действие, от [0 до #ACTION].

Код для загрузки G:

import numpy as np
from scipy import sparse
G = np.asarray(sparse.load_npz(PATH).todense())

Создание набора данных самостоятельно шаг за шагом

Установите SC2LE

1. Скачайте и распакуйте (пароль: iagreetotheeula) пакеты StarCraft II для Linux 3.16.1 в папку $STAR_CRAFT$.
2. Скачайте и распакуйте (пароль: iagreetotheeula) наборы повторов (3.16.1 — набор 1, 3.16.1 — набор 2 [В настоящее время не используется]) в папку $STAR_CRAFT$.

После шага 1 и шага 2 структура папок будет следующей:

$STAR_CRAFT$
    ├── Battle.net
    ├── Libs
    ├── Maps
    ├── Replays
    ├── SC2Data
    └── Versions

• ПРИМЕЧАНИЕ:
  1. $STAR_CRAFT$/Replays содержит все файлы *.SC2Replay из 3.16.1 — набора 1 и 3.16.1 — набора 2 [В настоящее время не используется]
  2. $STAR_CRAFT/Battle.net** содержит всё содержимое папки Battle.net из 3.16.1 — набора 1 и 3.16.1 — набора 2 [В настоящее время не используется]

Пошаговые инструкции

Простой способ

Трудный путь [Пошаговые подробные инструкции]

Требования

future == 0.16.0

numpy == 1.13.0
scipy == 0.19.0

python_gflags == 3.1.1

tqdm == 4.14.0

protobuf == 3.4.0
pystream_protobuf == 1.4.4

PySC2 == 1.0
s2clientprotocol == 1.1