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

本文介绍了一种基于多智能体、开放式学习的方法，其能够使得智能体在一种包含大量挑战、跨越多个任务、更广泛的行为通用化领域中表现出非凡的学习能力。通过在环境中建立一个任务的宇宙，我们的训练代理能够跨越更广泛的任务领域，这个领域自然多智能体，涉及合作竞争等多种类型的游戏，而这一领域的挑战对于智能体来说多种多样，因此，我们提出了一种迭代方法来改进代理的效果，而不是试图最大化一个单一目标。最终，我们证明了这种代理的通用能力，可以通过简单的微调实现更大规模的行为传递。

Jul, 2021

通过内在动机和自主生成的目标的引导，自主开放式学习（OEL）机器人能够通过与环境的直接交互累积地获得新的技能和知识。本研究针对 OEL 机器人在获得的知识与用户任务的相关性之间存在的问题，提出了基于 'purpose' 的概念的解决方案，并开发了一个具有三层动机层次结构的计算框架，从而使机器人能够自主学习并专注于获取与设计师和用户目的相关的目标和技能。

Mar, 2024

通过在物理引擎中嵌入具有挑战性的符号任务（Sokoban，井字棋和围棋），引出了一组需要长时间视觉、推理和电机控制的任务，研究了现有的强化学习算法在这样的物理系统中的表现。同时，研究提出了使用预训练的专家游戏玩家为强化学习提供有用提示，缩小抽象规划和物体控制之间的差距的方案。

Sep, 2020

在这篇研究论文中，我们提出了一个统一的框架，包括端到端可训练方法和规划算法，用于解决具有挑战性的具体任务规划问题。我们使用一种名为 'planning as in-painting' 的任务无关方法，在部分可观察环境下，结合语言指令和感知输入条件下的去噪扩散模型（DDM）来生成计划。为了提高生成计划的可靠性，我们的扩散方法同时建模状态轨迹和目标估计，并提出了一种即时规划算法与扩散规划器协作。该框架在包括视觉语言导航、物体操作和任务规划在真实虚拟环境中的表现表现出有希望的性能。

Dec, 2023

本研究利用强化学习技术结合最先进的自然语言理解模型创造了一个实时的对话系统，并在使用谷歌智能助手的实验中，使用众包数据进行训练，显著超越了强化模型，证明其对于自然人对话有较高的开放性和可行性。

Jul, 2022

本文研究了如何通过自学习的方式使得 Task Bots 自适应于动态环境，并提出了 SL-AGENT 框架，该框架包含一个对话模型和一个预训练的奖励模型，能够在无需或最小化人工标注的情况下通过强化学习在人机交互中学习，并在自动和人工评估中证明其有效性。

Jan, 2022

提出了一种新型的人机辅助方法，通过增加人对环境的控制能力以提高对人的辅助精确性；采用增强学习与人类赋权相结合的方法，实现了一个任务无关的目标，保护人的自主权和实现任何最终状态的能力，并通过在具有挑战性的模拟远程操作任务的共享自主用户研究中成功演示了方法。

Jun, 2020

介绍了一组具有挑战性的连续控制任务，并提出了许多改进强化学习算法的研究思路。

Feb, 2018

STEVE-2 使用层次化知识蒸馏框架，将大型语言模型和多模态语言模型集成到开放式任务中的具身代理中，实现了复杂的任务执行以及对可执行动作的生成。STEVE-2 在导航和创作任务上的广泛评估表明，在开放式任务中，其表现优于其他方法，性能提升了 1.4-7.3 倍。

Apr, 2024