人工智能研究人员开放源代码CraftAssist，这是一个为《我的世界》视频游戏构建交互式辅助机器人的框架。这些机器人使用自然语言理解(NLU)来解析和执行人类玩家的文本命令，例如在游戏世界中建造房屋的请求。研究人员可以扩展框架的模块化结构来执行他们自己的ML实验。

研究小组在最近的一篇博客文章中概述了该系统。CraftAssist机器人使用与标准游戏客户端相同的协议连接到游戏，因此它们可以执行人类玩家可以执行的任何操作。机器人使用《我的世界》内置的基于文本的聊天界面与其他玩家互动。人类可以给机器人下达命令，包括高级指令，比如“在蓝方旁边盖房子”。本次发布的目的是帮助改善人与人工智能之间的协作：

该平台旨在支持研究与人类参与者指定和评估的各种任务交互的有趣和有用的代理。为了鼓励更广泛的人工智能研究社区使用craft平台进行自己的实验，我们正在开放框架、基线助手以及用于构建它的工具和数据的外包。

广义地说，机器人控制系统由感知子系统和动作选择子系统组成。感知是将原始传感器数据转换成更抽象的表示。例如，图像识别是一项感知任务，它将图像像素转换为描述图像内容的文本标签。当训练包含许多传感器输入示例和所需输出示例的数据集时，现代深度学习模型可以在许多视觉和NLU任务上实现接近人类水平的性能。

行动是机器人“决定”如何与世界互动以实现某种目标的过程。例如，为赢得围棋而采取的行动。许多成功的系统使用强化学习(RL)，机器人会反复尝试执行任务，每次尝试都会给出数字奖励。它是RL游戏常用的测试平台，因为它们有明确的动作和结果集，而且由RL训练的现代机器人通常可以在很多不同的游戏中超越顶尖的人类能力。一些研究小组(如谷歌的DeepMind)将感知和动作选择子系统结合成一个由受训者训练的单一“端到端”系统，有许多虚拟环境用于训练这些系统，包括脸书开发的模拟栖息地。微软已经为《我的世界》开放了一个名为“项目马尔默”的“人工智能健身房”界面和一个大型数据集，以鼓励《我的世界》被用作RL研究的测试平台。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：