Un equipo de agentes Gemini 4 Argon derrota a Minecraft

Colocamos cuatro agentes Gemini 4 Argon en un mundo de supervivencia de Minecraft aislado de forma segura y les dimos un solo objetivo: derrotar al Ender Dragon, el jefe final del juego. Estos eran nuestros agentes de programación de propósito general, los mismos que usan los ingenieros para el trabajo de software diario, no un sistema personalizado creado para Minecraft. Operando dentro de un entorno seguro donde los investigadores monitoreaban un panel en vivo y podían intervenir para pausar o detener la ejecución en cualquier momento, cada agente controlaba a un jugador mediante una biblioteca de código abierto y se coordinaba con sus compañeros a través del chat del juego y la memoria compartida. Nadie les asignó roles ni les escribió la lógica del juego: los agentes planificaron, escribieron y depuraron cada programa por su cuenta.

Veintisiete horas y 2,783 programas después, derrotaron al dragón.

¿Por qué importa esto? Terminar Minecraft requiere mantener un plan coherente a lo largo de miles de pasos interdependientes durante más de un día. Al colaborar con éxito, recuperarse de fracasos repetidos y perseguir un objetivo común sin intervención humana, estos agentes demostraron que pueden manejar la resolución de problemas a largo plazo y de final abierto que exigen las tareas complejas de ingeniería de software e investigación. Planeamos usar estos aprendizajes y este entorno para avanzar en otros campos como la programación, la ciencia, la ingeniería y la robótica.

El gran desafío de Minecraft

Terminar Minecraft en un mundo aleatorio requiere una larga cadena de pasos interdependientes: extraer materiales básicos, sobrevivir a dimensiones alternativas peligrosas para recolectar objetos raros, usar matemáticas para localizar una fortaleza subterránea oculta y, finalmente, derrotar a un jefe que se cura constantemente. Cada paso puede llevar horas, y reaparecer significa perder todo lo que llevas encima. Para un agente, lo difícil no es tanto un paso individual como mantener un plan coherente a lo largo de miles de ellos.

Los hitos anteriores en los juegos, desde AlphaGo hasta AlphaStar, provinieron de sistemas entrenados extensamente en un solo juego, y la mayoría de los agentes de Minecraft también han dependido de entrenamiento específico para el juego, bibliotecas de habilidades o planificadores. Más recientemente, proyectos de la comunidad han demostrado que un solo agente basado en modelos de lenguaje puede llegar hasta el dragón. Sin embargo, esas partidas dependieron de restricciones fuertes y atajos: jugar en modo Pacífico en un mundo previamente explorado con un portal ya abierto, o darle a un solo agente docenas de herramientas de Minecraft programadas por humanos para ejecutarlas.

Nosotros queríamos hacernos otra pregunta. Como otros modelos de lenguaje grandes, Argon ha leído muchísimo sobre Minecraft en la web. ¿Podría un equipo de agentes de programación de propósito general tomar ese conocimiento y, a través de una interfaz de programación básica sin herramientas específicas del juego, sin pistas, sin dirección humana y sin roles preasignados, organizarse para vencer al Ender Dragon en un mundo de supervivencia aleatorio desde cero?

Programación colaborativa en acción

Los agentes nunca vieron un píxel ni presionaron una tecla. Cada agente actuaba escribiendo un programa corto, como "camina hasta estas coordenadas y extrae todo el mineral de hierro en un radio de 16 bloques". También leían la salida producida por la ejecución del programa, incluyendo la posición actualizada del agente, su salud e inventario, o el error generado. A diferencia de los esfuerzos previos de la comunidad, empezaron en un mundo aleatorio en dificultad Fácil, con monstruos hostiles, y usando la biblioteca estándar Mineflayer tal como fue publicada, sin nada construido por nosotros encima. Mineflayer permite que un programa lea la posición, la salud, el inventario y el entorno de un jugador, y ordene acciones básicas como caminar hacia un punto, cavar o colocar un bloque, fabricar un objeto o atacar. Mineflayer no le dice a un agente cómo jugar: qué hacer y en qué orden quedaba en manos de los agentes.

A los diez minutos, los agentes ya habían dividido el trabajo en el chat: uno fabricaba herramientas, otro recolectaba comida, otro excavaba buscando diamantes y otro construía el portal hacia la segunda dimensión del juego. Para encontrar la fortaleza oculta, un agente lanzó dos objetos que volaron hacia ella desde dos lugares distintos, rastreó cada vuelo en el código y calculó dónde se cruzaban ambas trayectorias. Su estimación cayó a 43 metros de la fortaleza, ubicada a 1.3 kilómetros de distancia.

Íconos de objetos del paquete de texturas de código abierto Pixel Perfection (XSSheep y Nova_Wostra, CC BY-SA 4.0), no son las texturas de Minecraft.

Derrotar al dragón fue el desafío más difícil y el que más tiempo consumió en el juego, y provocó que los agentes reaparecieran 69 veces. Entre intentos, anotaban lecciones para la siguiente prueba. Finalmente, un agente notó que los cristales estaban curando al dragón y dedujo que no necesitaba un pico para alcanzarlos: apilar tierra junto a cada torre, golpear el cristal y volver a excavar hacia abajo. Treinta y nueve minutos después de que cayera el último cristal, el dragón fue derrotado. El golpe final lo dio un jugador al que solo le quedaban 2.5 de 20 puntos de vida.

Íconos de objetos del paquete de texturas de código abierto Pixel Perfection (XSSheep y Nova_Wostra, CC BY-SA 4.0), no son las texturas de Minecraft.

Durante el proceso, el equipo mantuvo notas compartidas de coordenadas y aprendizajes, escribió funciones auxiliares que los cuatro reutilizaron (una aparece en 655 programas), recuperó los objetos de los demás tras las reapariciones y señaló sus propios errores. Cuando un programa anunció un éxito que no había ocurrido, el agente autor escribió dos minutos después: “Mi mensaje anterior fue una rama de script sin protección”.

Más allá del entorno de pruebas

Minecraft es el entorno de pruebas; las habilidades son generales. Perseguir un objetivo durante más de un día, escribir y depurar miles de programas, recuperarse de los fracasos y coordinarse como equipo es exactamente lo que demandan los proyectos de software y la investigación a largo plazo. También es lo que le pedimos a un buen colaborador: un agente que divide el trabajo, mantiene notas compartidas y corrige sus propios errores es uno al que los ingenieros pueden confiarle trabajo real.

Minecraft también es un lugar seguro para estudiar las capacidades de los agentes. Los programas dentro del juego solo podían controlar a su propio jugador: no podían iniciar procesos ni escribir archivos, y ninguno usó un comando del servidor. Un quinto agente, el Observador, siguió la sesión como testigo independiente para detectar trampas o manipulación de las reglas; ni el Observador ni nuestra revisión manual de una muestra de los registros encontraron algo así. Cada programa, mensaje y evento del juego quedó registrado en un panel en vivo donde los investigadores podían pausar o detener la ejecución en cualquier momento, y los agentes se coordinaron en texto plano y código que cualquiera podía leer, línea por línea. Observar cómo los equipos de agentes se coordinan en entornos aislados donde cada paso es visible es una forma de entender estos sistemas antes de confiarles tareas del mundo real.

También vale la pena señalar las limitaciones de este estudio. Los agentes leen el mundo a través de una API, que les indica exactamente qué bloques y criaturas hay a su alrededor, y un complemento de búsqueda de rutas planifica sus trayectos sorteando obstáculos. Jugaron en dificultad Fácil. Y fallaron repetidamente: 605 reapariciones y el 22 % de los programas terminaron en error.

Verificación de los resultados

Grabamos todo lo que ocurrió durante la ejecución: los 2,783 programas y sus salidas, los 229 mensajes del chat, capturas periódicas del mundo y el registro completo del servidor, donde la victoria queda registrada 27 horas y 14 minutos después del primer programa. Los comandos de trampa estaban desactivados en el servidor, ningún programa emitió un comando del servidor ni una solicitud de red, y tanto el agente Observador independiente como nuestra auditoría manual de los registros confirmaron que el equipo ganó únicamente mediante el juego de supervivencia estándar.

La próxima frontera

Este estudio apenas empieza a explorar el uso de entornos aislados como Minecraft para evaluar cómo colaboran los equipos de IA. Las preguntas pendientes incluyen: ¿qué pasa cuando los agentes juegan directamente como lo hacen los humanos, a partir de píxeles y usando un teclado y ratón virtuales? ¿Cómo cambia la coordinación si aumentamos el tamaño del equipo? ¿Y qué crearán estos agentes cuando su objetivo sea de final abierto, como permite Minecraft, en lugar de estar fijo?

También planeamos usar este entorno y las lecciones aprendidas de este experimento para enfrentar desafíos complejos del mundo real, llevando la inteligencia colaborativa y a largo plazo a la ingeniería de software, la investigación científica, el diseño y la robótica. El dragón cayó, pero el verdadero trabajo de construir compañeros de equipo de IA confiables apenas comienza.

Lee más sobre este trabajo en nuestro informe técnico: http://arxiv.org/abs/2610.22319

Este es un experimento de investigación independiente. No es un hito oficial de Minecraft, y no está aprobado por ni asociado con Mojang o Microsoft. Las imágenes del juego usan el paquete de texturas Pixel Perfection de XSSheep y Nova_Wostra, bajo licencia CC BY-SA 4.0, no las texturas propias de Minecraft.