使用LLM驱动的Minecraft中的非玩家角色进行协作任务完成
通过一个更佳的、基于理性的智能体在人类世界的适当整合,能够建立一个在人际合作中可以进行有效协作的方法,此研究提出了在Minecraft的虚拟场景下,对人类合作任务探索想象过程的细粒度数据集,并借此数据展示了几个有关于想象过程的任务的计算模型
Sep, 2021
本文探讨了在Minecraft中制定计划的问题,提出了一种名为Describe, Explain, Plan and Select (DEPS)的交互式规划方法,基于大型语言模型来改善长期计划的错误修正和目标选择。经过实验,我们的方法使得多任务代理程序的表现接近翻倍,这为$ exttt{ObtainDiamond}$大挑战提供了有希望的更新。
Feb, 2023
介绍了一种新的框架Ghost in the Minecraft (GITM),它将大型语言模型和基于文本的知识和记忆相结合,旨在在Minecraft中创建具有普适性的智能体,并在这一框架下通过使用结构化动作和大型语言模型成功的提高了'ObtainDiamond'任务的成功率。
May, 2023
我们提出了一种新型基础设施,名为MindAgent,用于评估游戏交互中的规划和协调能力,并引入了新的游戏场景和相关基准,以评估多智能体协作效率。我们使用新的自动度量CoS进行全面评估。我们希望我们对大型语言语料库学习的LLMs以及用于通用调度和协调的新基础设施的发现能够揭示如何获取这些技能的一些见解。
Sep, 2023
STEVE是一个在Minecraft虚拟环境中基于大型语言模型的综合和具有远见的具象代理,其三个关键组成部分是视觉感知、语言指导和代码动作,通过视觉信息解释、迭代推理和可执行技能行为生成,STEVE在Minecraft环境中实现更快的技能解锁和方块搜索任务。
Nov, 2023
NetPlay是首个用于挑战性地牢游戏NetHack的LLM驱动的零-shot代理,它使用动态机器人环境的体系结构,并在处理不确定性任务描述和缺乏明确反馈方面存在困难。
Mar, 2024
基于近年来大型语言模型 (LLMs) 在游戏设计、开发和研究中的潜力,本文针对与游戏相关的 LLM 的最新研究进行了初步调研,总结了2022年至2024年初间与 LLMs 和视频游戏相关的76篇论文,主要关注游戏人工智能、游戏开发、叙事以及游戏研究和评论,为未来的研究和评论奠定了基础。
Mar, 2024
利用LLMs在复杂的电脑游戏环境中赋予游戏智能体人类般的决策能力,以推进人工智能(AGI)的发展,并提供了LLM基础的游戏智能体的综述,包括感知、记忆、思考、角色扮演、行动和学习的六个关键组成部分,调研了六种游戏类型的现有代表性LLM基础游戏智能体,并展望了未来的研究和发展方向。
Apr, 2024
在该研究中,我们调查了使用大型语言模型(LLMs)来预测建造者采取的动作序列,在Minecraft协作建筑任务中,建筑师通过指示建造者使用3D方块来组装指定结构。借助LLMs的上下文学习能力,我们使用少样本启发式技术显著提高了性能,并对性能差距进行了详细分析,以作为未来工作的参考。
Jun, 2024