Diogenes 游戏操作方法验证数据集
数据集简介
版本与规模
本数据集以三个并列版本发布,覆盖不同的录制批次与音频配置。三版本合计 34 session、4,440 chunk、53 shard、33.8 GiB、201,725 framepair;页面显示 Total file size 为 36.3 GB。各版本明细如下:
| 版本 | session(含音频/无音频) | chunk | shard | 体积 | framepair | 时长 |
|---|---|---|---|---|---|---|
| v2026.09 | 15(13/2) | 2,150 | 26 | 16.8 GiB | 128,487 | 2.38 h |
| v2026.09-noaudio | 1(1/0) | 162 | 2 | 1.2 GiB | 9,669 | 0.18 h |
| v2026.08 | 18(16/2) | 2,128 | 25 | 15.8 GiB | 63,569 | 0.59 h |
v2026.09 首次引入音频
v2026.09 是本数据集首个提供音频的版本。除每个 chunk 原有的三件套外,该版本为每个 chunk 追加可选第四成员 <sid>_cNNNN.p0.flac,即 FLAC 格式的系统音频。音频信息在 MANIFEST 的 audio 汇总块中统一登记,便于按版本核对音频覆盖范围。
v2026.08 的修正内容
更早的 v2026.07 存在数据缺失(Ctrl 输入),该版本已从本仓库移除,不应再从旧提交中取用。v2026.08 在 v2026.07 基础上发布,作为当前仓库中保留的较早版本,与 v2026.09 系列并列提供。
内容与文件组织
数据集以 chunk 为基本单元,每个 chunk 由三件套构成:
<session_id>_cNNNN.p0.mp4:1080p 游戏画面录制视频;<session_id>_cNNNN.p0.jsonl:逐帧动作记录,与视频帧 1:1 对应;<session_id>_cNNNN.meta.json:合规戳元数据。
v2026.09 的每个 chunk 在上述三件套之外追加可选的 .p0.flac 音频成员。仓库根目录提供 MANIFEST.json(schema 为 dm-mv-manifest-2),其中包含 shard SHA-256、audio 汇总块、excluded_sessions 与 reprojection 块;index/ 目录提供 samples 与 framepairs 的 parquet 索引;此外还有 DATASHEET.md 与 PROVENANCE.json 用于说明数据表与溯源信息。MANIFEST 的 dataset 字段保持为 mv-gameplay 不变。
已知质量事实
本数据集不含来源录制的治理链信息:标注者、设备与同意登记均为空,且按契约设计不可回填。源细节已脱敏,完整溯源仅存于内部记录。因此该数据集被明确标记为永久不可训练,不得用于训练任何产品或研究模型。
使用方式与合规门
仓库公开可访问,但为 gated(manual)模式,需登录并同意条款后方可访问文件与内容;同意内容包括共享联系方式并接受 method-validation-only 条款。配套 loader 的合规门默认硬拦本数据集,抛出 ComplianceError;仅显式设置 allow_method_validation_only=True 的代码路径可以读取。其授权用途仅限于验证数据管线机制,包括切分、索引、hash 对账、合规门与撤销。
溯源与命名
本数据集由 DiogenesLab 发布,曾用仓库名 DiogenesLab/mv-gameplay-method-validation,旧链接会自动重定向到当前仓库。内部数据集名仍为 mv-gameplay(MANIFEST 的 dataset 字段不变)。红线约定为 is_trainable=false、method_validation_only=true。