介绍了建立于 Minecraft 游戏之上的 MineDojo 框架，该框架支持多任务目标环境，同时结合大规模的多模态知识库和灵活可扩展的代理架构，利用大规模的预先训练的视频语言模型作为学习奖励函数的新型代理学习算法，成功解决一系列无需设计的开放式任务。

Jun, 2022

为了系统地研究机器学习模型对分布变化的响应，我们提出了「maze-dataset」，这是一个生成、处理和可视化迷宫求解任务数据集的全面库，支持多种输出格式和工具，保证在研究应用中具有多样性和适应性。

Sep, 2023

MiniHack 是一个强大的沙箱框架，用于设计新的深度强化学习（RL）测试环境，其中包含了丰富和复杂的以网格为基础的游戏 NetHack 的所有实体和环境动态，MiniHack 可以使用人类可读的描述语言或简单的 Python 接口来轻松地设计新的 RL 测试环境或整合现有的 RL 基准测试。

Sep, 2021

本研究介绍了一种简单的方法来应用轨迹学习方法，以增加深度强化学习方法的样本效率，该方法应用于文献中最近引入的具有挑战性的球迷宫游戏，并展示了通过使用模拟器为模型生成有限数量的轨迹，可以在不使用人工生成轨迹的情况下，获得约 2-3 倍的学习加速度，同时讨论了在使用基于轨迹的学习处理非常稀疏的奖励函数时面临的一些挑战。

Nov, 2018

通过基于模型的强化学习技术，本研究提出了一种用于导航和解决迷宫游戏的机器人系统的开发与训练。该方法通过从摄像头图像中提取低维观测以及裁剪和校正的以迷宫当前位置为中心的图像块，为迷宫布局提供了有价值的信息。控制策略的学习完全在物理系统上进行，使用基于模型的强化学习方法，其中沿着迷宫路径的进展作为奖励信号。此外，我们利用系统固有的对称性增加了训练数据。因此，我们的方法通过仅使用 5 小时的真实世界训练数据，在极短时间内成功解决了一种流行的真实世界迷宫游戏。

Dec, 2023

本文介绍了 Memory Maze，这是一个专门设计用于评估智能体长期记忆的三维随机迷宫领域，包括在线的强化学习基准测试、离线数据集和离线探测评估。我们发现当前算法在小迷宫上的表现很好，但在大迷宫上还不及人类表现，未来有待进一步进行算法设计和评估。

Oct, 2022

该论文探讨了将模块化 RL 方法应用于 Mujoban 任务的可行性，并证明了模块化 RL 方法比仅有一个单一 RL 代理的方法更加优越。

Oct, 2020

本文介绍了一种基于人类示范数据进行仿真学习的方法以及使用人类反馈来训练图像分类器的方法，将这些模块与估算的 Odometry 地图相结合，以自然层次结构利用人类知识的强大状态机，并将该混合智能方法与端到端机器学习和纯工程解决方案进行比较。

Dec, 2021

通过模拟 MMORPG 游戏和真实世界中的有限资源竞争环境，研究了大规模多智能体交互的学习和发展，实验表明，种群规模可以放大并刺激技能行为发展，产生优于小规模训练的代理人。

Mar, 2019

研究学习目标条件无关策略在 Minecraft 中的应用，提出了 Goal-Sensitive Backbone (GSB) 策略和自适应视角预测模块用于解决任务状态多样性和非静态动力学带来的挑战，并在 20 个 Minecraft 任务上进行了实验以证明方法的有效性。

Jan, 2023