AI研究人员构建了一款名为“旅行者”（Voyager）的Minecraft机器人，能在开放世界中自主探索并扩展能力。与其他机器人不同，它主要通过试错和大量GPT-4查询自行编写代码。
作为“具身智能体”（embodied agent）的典范，“旅行者”能在模拟或真实环境中自由、有目的地行动。这区别于仅需对话的个人助理类AI，更贴近未来家用机器人在复杂世界中执行任务的需求，也是当前研究的核心方向。
Minecraft是测试此类技术的理想平台：其规则与物理机制简单明了，是对现实世界的高度简化近似；同时环境足够复杂开放，提供了丰富的成就目标与尝试空间，弥补了专用模拟器的局限性。
MineDojo：专为Minecraft AI设计的模拟框架
MineDojo围绕Minecraft构建，旨在解决随机AI难以理解游戏元素的问题。其创建者（与Voyager团队高度重合）整合了YouTube视频、转录文本、Wiki文章及Reddit帖子等海量数据，支持用户在此基础上创建或微调AI模型。该框架还允许通过观察模型在“为羊驼建围栏”“寻找开采钻石”等任务中的表现，客观评估模型性能。
Voyager的核心机制：GPT驱动的自我编程与技能积累
Voyager在上述任务中表现远超Auto-GPT，二者均采用GPT-4实时编写代码的思路，但实现路径不同。
传统方法依赖优质Minecraft数据训练模型，期望其自主掌握战斗等技能；而“旅行者”初期相对“天真”，遇到新场景时会通过GPT-4进行内部推理，明确行动方案。
例如夜幕降临遭遇骷髅怪时，智能体会自问“优秀玩家如何应对”，GPT-4给出的方案是“制作装备剑→击打骷髅→避免受伤”。这一通用认知会被转化为具体目标：收集石材木材、工作台制剑、装备武器并战斗。
完成任务后，相关操作会被录入通用技能库。后续执行“深入洞穴找铁矿石”等任务时，无需重新学习战斗技能。此时系统会切换至更廉价高效的GPT-3.5，根据情境调用已有技能，避免出现“挖掘骷髅”“与矿石战斗”等荒谬行为。
性能优势与模型差异验证
与Auto-GPT自学导航陌生界面的逻辑类似，但Minecraft环境复杂度远超以往场景，使“旅行者”这类专业智能体优势显著：发现更多物品、掌握更多技能、探索更广区域。
测试显示，GPT-4生成有效代码的能力远超GPT-3.5。用GPT-3.5替换后，智能体很快陷入瓶颈无法进步。尽管日常对话中二者表现相近，但编程对逻辑要求更高，GPT-4在此实现了重大升级。
研究意义：推动AI基于经验自我提升
该研究并非替代Minecraft玩家，而是探索让简单AI模型基于“经验”自我优化的方法。若要让机器人胜任家庭、医院、办公室等工作，就必须使其具备学习与迁移经验的能力。
如需了解更多关于Voyager的研究细节，可查阅相关学术资料。