論文の概要: A team of Gemini 4 Argon agents beats Minecraft

• arxiv url: http://arxiv.org/abs/2610.22319v1
• Date: Thu, 15 Oct 2026 17:51:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.246953
• Title: A team of Gemini 4 Argon agents beats Minecraft
• Title（参考訳）: Gemini 4 ArgonのエージェントチームがMinecraftを破る
• Abstract要約: 我々は4人のジェミニ4 アルゴンエージェントをサンドボックスのマインクラフトサバイバルワールドに配置し、エンダードラゴンを倒すという1つの目標を与えた。 各エージェントは、Mineflayerと呼ばれるオープンソースのライブラリを介してプレイヤーをコントロールし、ゲーム内チャットと共有メモリを通じてチームメイトとコーディネートした。 エージェントは2,783のプログラムを書き、27時間14分でドラゴンを倒し、途中で605回死んだ。
• 参考スコア（独自算出の注目度）: 27.383653154378734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We placed four Gemini 4 Argon agents in a sandboxed Minecraft survival world and gave them one goal: defeat the Ender Dragon. Each agent controlled a player via an open-source library called Mineflayer and coordinated with its teammates through in-game chat and shared memory. No one assigned roles or wrote game logic. The agents planned, wrote, and debugged every program themselves. Researchers could watch the run on a live dashboard and pause or stop it at any time, but they had no cause to intervene. Starting from a randomly generated world on Easy difficulty, the team wrote 2,783 programs and defeated the dragon in 27 hours and 14 minutes, dying 605 times along the way. To our knowledge, this is the first end-to-end autonomous completion of Minecraft by AI agents, achieved using only the standard Mineflayer library without pre-scouted seeds or other game-specific tools written by humans. Winning required the agents to keep a coherent plan across thousands of dependent steps for more than a day. Complex real-world software engineering and enterprise tasks demand the same long-horizon coding and multi-agent coordination. We describe the setup, how the run unfolded, the team's strategies (dividing the work, sharing what they learned, recovering each other's items), and the limits of the result.
• Abstract（参考訳）: 我々は4人のジェミニ4 アルゴンエージェントをサンドボックスのマインクラフトサバイバルワールドに配置し、エンダードラゴンを倒すという1つの目標を与えた。 各エージェントは、Mineflayerと呼ばれるオープンソースのライブラリを介してプレイヤーをコントロールし、ゲーム内チャットと共有メモリを通じてチームメイトとコーディネートした。 誰も役割を割り当てたり、ゲームロジックを書いたりしない。 エージェントはすべてのプログラムを計画し、書き、デバッグした。 研究者は、ライブダッシュボードでランニングを見て、いつでも一時停止したり停止したりすることはできたが、介入する理由はなかった。 難易度に関するランダムに生成された世界から始めて、チームは2,783のプログラムを書き、27時間14分でドラゴンを打ち破り、途中で605回死んだ。 われわれの知る限り、これは、AIエージェントによるMinecraftのエンドツーエンドの自律的な完成であり、標準的なMineflayerライブラリだけで、事前に計算されたシードや、人間が書いたゲーム固有のツールを使わずに実現できる。 勝利したエージェントは、数千の依存するステップを1日以上にわたって一貫した計画を維持する必要があった。 複雑な現実世界のソフトウェアエンジニアリングとエンタープライズタスクは、同じ長距離コーディングとマルチエージェント調整を必要とする。 セットアップ、実行の展開方法、チームの戦略(作業の分割、学んだことの共有、互いのアイテムの回収)、結果の限界について説明する。

関連論文リスト

• Compiled Agency: Frontier General-Purpose Coding Agents Build Winning Game Players from Bare Interaction - from Flappy Bird to StarCraft II and Civilization [3.1483200146172723]
  LLMエージェントは、研究者がモデルの周りにエージェントを構築した場合でも、ゲームの知識を有能なプレイに変換するのに何度も苦労している。 開発フリーズ評価フレームワークであるGauntletを紹介した。 コンパイルされた生APIコントローラは、StarCraft IIに組み込まれたすべての公正なAIと2つの不正な亜種を倒し、シングルセッションプログラムは、保持されたシードに対する総征服によって、完全な文明(Freeciv)のゲームに勝利する。
  論文  参考訳（メタデータ） (2026-07-17T17:59:29Z)
• GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
  ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。 我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。 我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-16T12:34:39Z)
• PokéAI: A Goal-Generating, Battle-Optimizing Multi-agent System for Pokemon Red [4.558478169296784]
  Pok'eAIは,Pok'emon Redを通じて自律的に再生・進行するように設計された,テキストベースでマルチエージェントな大規模言語モデル(LLM)フレームワークである。 本システムでは,3つの専門エージェント(Planning, Execution, Critique-each)と,独自のメモリバンク,役割,スキルセットで構成されている。
  論文  参考訳（メタデータ） (2025-06-30T10:09:13Z)
• Collaborative Problem-Solving in an Optimization Game [52.005042190810116]
  本稿では,エージェントが協調して2人プレイのトラベリングセールスマン問題を解く対話ゲームを紹介する。 我々のベストエージェントは、ゲームの45%を最適に自己プレイで解決します。 また、人間のユーザーとうまく協力し、馴染みのないグラフに一般化する能力も示している。
  論文  参考訳（メタデータ） (2025-05-21T13:15:35Z)
• 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)
• Skill Reinforcement Learning and Planning for Open-World Long-Horizon Tasks [31.084848672383185]
  オープンワールド環境におけるマルチタスクエージェントの構築について検討する。 我々は,マルチタスク学習問題を基礎的スキルの学習や,そのスキルの計画に転換する。 提案手法は40種類のMinecraftタスクをこなし,10以上のスキルを順次実行するタスクが多数存在する。
  論文  参考訳（メタデータ） (2023-03-29T09:45:50Z)
• Teamwork under extreme uncertainty: AI for Pokemon ranks 33rd in the world [0.0]
  本稿では,ゲームのメカニズムを解説し,ゲーム解析を行う。 ゲームにおける2つの最大の課題は、バランスのとれたチームを維持し、不確実性の3つの源に対処することだ、という認識に基づいて、ユニークなAIアルゴリズムを提案する。 我々のAIエージェントは、これまでのすべての試みよりも大幅に向上し、世界で最も人気のある戦闘フォーマットの1つで、世界で33位まで上昇しました。
  論文  参考訳（メタデータ） (2022-12-27T01:52:52Z)
• MineDojo: Building Open-Ended Embodied Agents with Internet-Scale Knowledge [70.47759528596711]
  私たちは、人気のMinecraftゲーム上に構築された新しいフレームワークであるMineDojoを紹介します。 本稿では,学習報酬関数として,大規模な事前学習ビデオ言語モデルを活用する新しいエージェント学習アルゴリズムを提案する。 我々のエージェントは、手動で設計した密なシェーピング報酬なしで、自由形式の言語で指定された様々なオープンエンドタスクを解くことができる。
  論文  参考訳（メタデータ） (2022-06-17T15:53:05Z)

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。