VoyagerLLMでドライブされるマinecraftの非人間操作エージェント。エージェントはマインクラフトの世界内で自律的に目標を設定し、実行可能なコードを生成し、プレイ中ずっとスキルライブラリを構築します。

4.8 (5)

レビュー: Daniel Nikulshyn·更新 2026年5月

Open Source Research LLM Agents Autonomous Agents Game AI Reinforcement Learning Minecraft

概要

Voyagerは、大規模言語モデルの使用を通じて、Minecraft内に自律_AGENTを動かす研究プロジェクトである。_AGENTは自身の目標を設定し、ワールド内での行動を実行するための実行可能なコードを書き、ゲームをプレイしながらリソースできるスキルを一つずつ蓄積していく。 Voyagerは、開放的な探究に向けた自動カレンダー、環境フィードバックを経由した反復的なプロンプティングループ、そして、エージェントが従来以上に難しいタスクを取り組むことを可能にする成長するスキルライブラリを組み合わせています。時間の経過とともに、Voyagerは新たなテクノロジーツリーのマイルストーンを解放し、多様なアイテムを収集し、従来のMinecraftエージェントよりも広範な地形を進み抜けます。 Voyager は、AI 研究家、ゲーム AI 開発者、オープンワールド環境における LLM ドライブの意思決定などを研究するハブの者に主に興味を持たれます。

主な機能

自動的カリキュラムを使用した目標生成
環境フィードバックを使用した反復的なポンピング
実行可能なコードの成長するスキルライブラリ
LLMを使用した計画と推論
Minecraft上で開幕されたエクスプロレーション
研究用にオープンソースの実装

料金

モデル: Free
カテゴリー: Gaming
評価: 4.8 / 5 (5)

ユースケース

Minecraft上のLLMエージェントのベンチマーク

研究者は開幕されたマインクラフトタスク上のLLMを使用した自律エージェントを評価し、過去のベンチマークデータと比較してテクノロジツリーの進展、アイテムの多様性、エクスプロレーションを実行します。

ライフロングスキルアクイジションの研究

Voyagerの成長するスキルライブラリと自動カリキュラムを使用して、人間が監督しない長い時間スケールでエージェントが再利用できるコードベーススキルを集める方法を研究します。

ゲームAIのPrototype

ゲームAIの開発者は、LLMを使用した計画し、マインクラフト内部でのエージェントの行動を実際に実行できるゲームNPCを創造できます。

自家用教材

LLMエージェントを探求するハブリスチスは、透透然透然透透然透透なコードアクションを実行し、ポンプリングループとカリキュラムを使用してを開幕されたエクスプロレーションを実行できます。

メリット & デメリット

メリット

人間の介入なしで開幕された、ライフロングラーニング
タイムがたつにつれて、再利用可能なスキルライブラリを構築可能で成長する
過去のマインクラフトエージェントと比較して強力なベンチマーク実行性能
Transparentなコードを使用して、動作が簡単にチェックできます。
LLM APIへのアクセスが必要になるため、コストを抑えられていません
Minecraftを使用した環境のみ

デメリット

機能的なLLM APIへのアクセスが必要であり、費用がかかることがあります。
Minecraftのみをサポートしているため、環境が制限されています。
セットアップおよびチューニングには技術的なスキルが必要で、操作もしにくい。
パフォーマンスは、シーケンスおよびモデルの品質に強く依存します。

レビュー

4.8

5件の評価の平均。

レビューを投稿するにはログインしてください。

Sofia Lindqvist

Apr 26, 2026

Use it every day

Honestly didn't expect to like it this much. Growing skill library of executable code is exactly what I needed, and builds a reusable skill library that compounds over time. I do wish performance depends heavily on prompt and model quality, but I reach for it almost every day now and it just clicks.

Marcus Bell

Nov 18, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on iterative prompting with environment feedback, and open-ended, lifelong learning without human intervention caught me off guard. Performance depends heavily on prompt and model quality is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Liam O’Connor

Oct 7, 2025

Use it every day

Honestly didn't expect to like it this much. Iterative prompting with environment feedback is exactly what I needed, and strong benchmark performance versus prior Minecraft agents. but I reach for it almost every day now and it just clicks.

Nadia Petrova

Sep 17, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: iterative prompting with environment feedback and builds a reusable skill library that compounds over time. On balance the feature set — especially automatic curriculum for goal generation — justifies the 5 stars for our use case.

Aisha Khan

Sep 6, 2025

Solid for our team

We rolled this out across the team last quarter and open-ended, lifelong learning without human intervention. Automatic curriculum for goal generation fits neatly into how we already work, and iterative prompting with environment feedback removed a step we used to do by hand. Performance depends heavily on prompt and model quality, which is the main caveat, but it has held up under daily use.