論文の概要: MineExplorer: Evaluating Open-World Exploration of MLLM Agents in Minecraft

• arxiv url: http://arxiv.org/abs/2605.30931v1
• Date: Fri, 29 May 2026 07:21:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.4449
• Title: MineExplorer: Evaluating Open-World Exploration of MLLM Agents in Minecraft
• Title（参考訳）: MineExplorer:MinecraftにおけるMLLMエージェントのオープンワールド探索の評価
• Abstract要約: 我々は,マインクラフトにおけるMLLMエージェントのオープンワールド探索能力を評価するためのMineExplorerベンチマークを紹介する。 まず、オープンワールドの推論をより良く反映するために、Minecraft固有の知識に大きく依存するアトミックなタスクをフィルタリングする。 タスクグラフ、サンドボックスシーン、ルールベースのマイルストーン評価を共同で設計するマルチエージェント合成ワークフローを使用します。
• 参考スコア（独自算出の注目度）: 33.74405061496877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal large language models (MLLMs) have shown strong capabilities in perception, reasoning, and action generation. However, their ability to sustain exploration in dynamic open worlds remains unclear. Existing embodied and game-based benchmarks often compress interaction into short-horizon tasks or entangle success with domain-specific game mechanics. In this paper, we introduce MineExplorer benchmark for evaluating open-world exploration capabilities of MLLM agents in Minecraft. We first filter atomic tasks whose solutions rely heavily on Minecraft-specific knowledge to better reflect general open-world reasoning. Then we organize the benchmark around a ReAct-style capability formulation and compose atomic tasks into implicit multi-hop tasks. To further construct reliable instances, MineExplorer uses a multi-agent synthesis workflow that jointly designs task graphs, sandbox scenes, and rule-based milestone evaluators. Human evaluation shows that the multi-agent synthesis workflow produces significantly more reliable instances than a single-agent baseline. Experiments with advanced MLLM agents show that open-world exploration remains challenging, as strong models can handle many single-hop tasks but degrade sharply when hidden prerequisites must be coordinated over longer trajectories. Further analysis finds that task difficulty tracks agent completion, and larger models or thinking modes do not consistently translate into better performance. Code and dataset are available at https://github.com/Jometeorie/MineExplorer.
• Abstract（参考訳）: MLLM(Multimodal large language model)は、知覚、推論、行動生成において強力な能力を示す。 しかし、そのダイナミックなオープンな世界における探索を継続する能力は、いまだに不明である。 既存の具体的およびゲームベースのベンチマークは、しばしば短距離タスクへの相互作用を圧縮したり、ドメイン固有のゲームメカニックと結びつく。 本稿では,マインクラフトにおけるMLLMエージェントのオープンワールド探索能力を評価するためのMineExplorerベンチマークを紹介する。 まず、オープンワールドの推論をより良く反映するために、Minecraft固有の知識に大きく依存するアトミックなタスクをフィルタリングする。 次に、ReActスタイルの機能定式化に関するベンチマークを整理し、アトミックタスクを暗黙のマルチホップタスクに構成する。 信頼性の高いインスタンスをさらに構築するために、MineExplorerでは、タスクグラフ、サンドボックスシーン、ルールベースのマイルストーン評価を共同で設計するマルチエージェント合成ワークフローを使用している。 人間による評価では、マルチエージェント合成ワークフローはシングルエージェントベースラインよりもはるかに信頼性の高いインスタンスを生成する。 高度なMLLMエージェントによる実験では、強力なモデルでは多くのシングルホップタスクを処理できるが、隠れた前提条件が長い軌道上で調整されなければならない場合、急激な劣化が生じるため、オープンワールドの探索は依然として困難であることが示されている。 さらに分析したところ、タスクの難易度はエージェントの完了を追跡でき、より大きなモデルや思考モードが常により良いパフォーマンスに変換されないことがわかった。 コードとデータセットはhttps://github.com/Jometeorie/MineExplorer.comで入手できる。

関連論文リスト

• DeepAgent: A General Reasoning Agent with Scalable Toolsets [111.6384541877723]
  DeepAgentは、自律的な思考、ツール発見、アクション実行を実行するエンドツーエンドのディープ推論エージェントである。 長期にわたる相互作用の課題に対処するために,過去の相互作用を構造化エピソード,動作,ツール記憶に圧縮する自律的メモリ折り畳み機構を導入する。 LLMシミュレートされたAPIを活用し、ツール呼び出しトークンにきめ細かいクレジットを割り当てるツールコールアドバンテージ属性を適用した、エンドツーエンドの強化学習戦略であるToolPOを開発した。
  論文  参考訳（メタデータ） (2025-10-24T16:24:01Z)
• UltraHorizon: Benchmarking Agent Capabilities in Ultra Long-Horizon Scenarios [63.67884284105684]
  textbfUltraHorizonは、複雑な現実世界の課題に不可欠な基礎的能力を測定する新しいベンチマークである。 エージェントは、隠されたルールを反復的に発見しなければならない、長期にわたる発見タスクで設計されている。 実験の結果, LLM-agents はこれらの設定において常に不利な成績を示し, ヒトは高いスコアを得ることができた。
  論文  参考訳（メタデータ） (2025-09-26T02:04:00Z)
• Optimus-3: Towards Generalist Multimodal Minecraft Agents with Scalable Task Experts [54.21319853862452]
  Minecraftの汎用エージェントOptimus-3を提案する。 エージェント開発のためのスケーラブルで高品質なトレーニングデータを提供するための知識強化型データ生成パイプラインを提案する。 視覚的多様性に対するエージェントの推論能力を高めるために,マルチモーダル推論強化学習手法を開発した。
  論文  参考訳（メタデータ） (2025-06-12T05:29:40Z)
• Agent-X: Evaluating Deep Multimodal Reasoning in Vision-Centric Agentic Tasks [94.19506319646376]
  本稿では,実世界のマルチモーダル環境での視覚中心エージェント評価のためのベンチマークであるAgent-Xを紹介する。 Agent-Xは、828のエージェントタスクと、イメージ、マルチイメージ比較、ビデオ、命令テキストを含む、真の視覚的コンテキストを備えている。 その結果、GPT、Gemini、Qwenファミリーを含む最高のパフォーマンスモデルでさえ、多段階視覚タスクの解決に苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-05-30T17:59:53Z)
• EscapeCraft: A 3D Room Escape Environment for Benchmarking Complex Multimodal Reasoning Ability [11.721839449847472]
  マルチモーダル推論のベンチマークであるMM-Escapeを紹介する。 MM-Escapeは最終タスク完了と同時に中間モデル動作を強調している。 大規模な実験により、MLLMはスケールに関係なく、最も単純な部屋の脱出タスクを完了できることが示されている。 性能ボトルネックはモデルによって異なり、異なる障害モードとマルチモーダル推論能力の制限が明らかになる。
  論文  参考訳（メタデータ） (2025-03-13T04:48:43Z)
• Optimus-2: Multimodal Minecraft Agent with Goal-Observation-Action Conditioned Policy [50.13429055093534]
  Optimus-2はMultimodal Large Language Model (MLLM)を組み込んだ新しいMinecraftエージェントである。 我々は,8つのアトミックタスクにわたる25,000のビデオを含む,高品質なMinecraft Goal-Observation-Action(MGOA)データセットを紹介した。 Optimus-2は、アトミックタスク、ロングホライゾンタスク、マインクラフトのオープンエンド命令タスクにまたがる優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-02-27T09:18:04Z)
• TeamCraft: A Benchmark for Multi-Modal Multi-Agent Systems in Minecraft [40.419794780178044]
  オープンソースのビデオゲームMinecraft上に構築されたマルチモーダルなマルチエージェントベンチマークであるTeamCraftを紹介します。 このベンチマークでは、マルチモーダルプロンプトによって指定された55,000のタスク変種、模倣学習のための手続き的に生成された専門家のデモンストレーション、モデル一般化機能を評価するための慎重に設計されたプロトコルが特徴である。 以上の結果から,既存のモデルでは,新たな目標,シーン,不明なエージェントの数を一般化する上で,大きな課題が続いていることが示唆された。
  論文  参考訳（メタデータ） (2024-12-06T18:41:16Z)
• Odyssey: Empowering Minecraft Agents with Open-World Skills [26.537984734738764]
  Odysseyは、LLM(Large Language Model)ベースのエージェントにオープンワールドスキルを付与し、Minecraftの世界を探索する新しいフレームワークである。 Odysseyは,(1)40のプリミティブスキルと183の作曲スキルからなるオープンワールドスキルライブラリを備えた対話型エージェント,(2)Minecraft Wikiから派生した390k以上のインストラクションインストラクションを持つ大規模質問応答データセット上で訓練された微調整LLaMA-3モデル,(3)新しいエージェント能力ベンチマークの3つの重要な部分から構成される。
  論文  参考訳（メタデータ） (2024-07-22T02:06:59Z)
• Ghost in the Minecraft: Generally Capable Agents for Open-World Environments via Large Language Models with Text-based Knowledge and Memory [97.87093169454431]
  Ghost in the Minecraft (GITM) は、LLM(Large Language Models)とテキストベースの知識と記憶を統合する新しいフレームワークである。 我々は、構造化されたアクションのセットを開発し、LSMを活用してエージェントが実行するアクションプランを生成する。 LLMをベースとしたエージェントは、従来の手法を著しく上回り、成功率+47.5%という顕著な改善を達成している。
  論文  参考訳（メタデータ） (2023-05-25T17:59:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。