MP5智能体系统：在《我的世界》中实现主动感知的突破

MP5智能体系统：在《我的世界》中实现主动感知的突破

引用

搜狐

1.

https://www.sohu.com/a/759314351_121119001

在《我的世界》这款全球销量领先的游戏平台上，来自上海人工智能实验室、香港中文大学、北京航空航天大学和清华大学等机构的研究者们，提出了一种名为MP5的智能体系统。该系统通过主动感知能力，在开放世界环境中展现出强大的任务执行能力，为通用人工智能（AGI）研究开辟了新的方向。

《我的世界》（Minecraft）作为一款包含生存、探索和创造等丰富元素的游戏，一直是AI研究的重要平台。许多著名研究团队，如DeepMind和OpenAI，都在这个平台上进行具身智能体的相关研究，期望构建能够以类人方式解决各种开放任务的通用具身智能体。

MP5的核心创新

MP5（由Parser、Percipient、Planner、Performer和Patroller组成的智能体系统）的创新之处在于其主动感知能力。与以往的研究不同，MP5能够主动选择性地感知环境信息，并根据不同的目的（如任务规划或行动执行）提供量身定制的感知结果。这种感知方式不仅提高了效率，还增强了智能体在复杂环境中的适应能力。

MP5的架构与运行机制

MP5由5个模块组成：

1. Parser（任务解析模块）：将长期任务分解为一系列短期子目标。
2. Percipient（环境感知模块）：基于MineCLIP和Vicuna-13B模型，通过多模态大模型（MLLM）理解第一人称视角的图像信息。
3. Planner（动作规划模块）：根据当前环境情况，安排子目标的行动顺序并优化后续子目标。
4. Performer（动作执行模块）：执行动作并与环境交互。
5. Patroller（检查反馈模块）：检查感知、规划和执行模块的响应，验证当前计划或行动，并提供反馈。

MP5的运行流程包括任务分解、主动感知、情景规划、具身行动和重规划等阶段。其中，主动感知是核心环节，Patroller会根据任务需求向Percipient提出关键问题，直到收集到足够的环境信息。

MP5的性能表现

研究者设计了两类任务来评估MP5的性能：感知复杂环境任务（Context-Dependent Tasks）和长时序任务（Process-Dependent Tasks）。实验结果显示：

• 在感知复杂环境任务中，MP5的成功率达到91%，甚至超过了GPT-4V的表现。
• 在钻石级别的长时序任务中，MP5的成功率为22%，与OpenAI的VPT模型持平。

这些结果表明，MP5在处理既需要长时序推理又需要复杂环境感知的任务时，展现出了强大的能力。

未来展望

MP5的研究为通用人工智能（AGI）的发展提供了重要参考。通过在开放世界环境中实现像人类一样的感知、理解和交互，MP5为机器人和自动驾驶等领域的技术突破开辟了新的可能性。未来，随着技术的进一步发展，类似MP5的智能体有望在更多现实场景中发挥作用，推动人工智能技术的产业化进程。

项目主页：
https://iranqin.github.io/MP5.github.io/