Gemini 4 Argon エージェントが Minecraft のエンダードラゴンを撃破

私たちは 4 体の Gemini 4 Argon エージェントを、安全にサンドボックス化された Minecraft のサバイバルワールドに配置し、1 つの目標を与えました。ゲーム最終盤のボスであるエンダードラゴンを倒すことです。これらはエンジニアが日常的なソフトウェア開発で使っている汎用コーディングエージェントであり、Minecraft のために特別に構築されたカスタムシステムではありません。研究者がライブダッシュボードを監視し、いつでも実行を一時停止または停止できる安全な環境下で、各エージェントはオープンソースライブラリを通じてプレイヤーを操作し、ゲーム内のチャットと共有メモリを使ってチームメイトと連携しました。役割の割り当てやゲームロジックの記述を行った人間は誰もいません。エージェントたちは自ら計画を立て、プログラムを書き、デバッグしたのです。

27 時間と 2,783 個のプログラムの末、彼らはドラゴンを倒しました。

なぜこれが重要なのでしょうか？Minecraft をクリアするには、1 日以上かけて何千もの依存関係のあるステップにわたって一貫した計画を維持する必要があります。人間の介入なしに、協力し、繰り返される失敗から回復し、共通の目標を追求することに成功することで、これらのエージェントは複雑なソフトウェアエンジニアリングや研究タスクに必要な長期的かつオープンエンドな問題解決を処理できることを証明しました。私たちはこの知見と仕組みを活用し、コーディング、科学、エンジニアリング、ロボティクスといった他の分野の発展につなげていく予定です。

Minecraft グランドチャレンジ

ランダム生成されたワールドで Minecraft をクリアするには、長い連鎖的なステップが必要です。基本素材の採掘、レアアイテムを集めるための危険な別次元での生存、数学を使って隠された地下要塞の位置を特定すること、そして最後に自己回復し続けるボスを倒すことです。各ステップには数時間かかることもあり、リスポーンすると持ち物すべてを失います。エージェントにとって難しいのは、個々のステップよりも、何千ものステップを通じて一貫した計画を維持することです。

AlphaGo から AlphaStar に至る過去のゲームにおけるマイルストーンは、単一のゲームで長時間訓練されたシステムによって達成されました。Minecraft エージェントの多くも同様に、ゲーム固有のトレーニング、スキルライブラリ、プランナーに依存してきました。最近では、単一の言語モデルエージェントがドラゴンに到達できることを示すコミュニティプロジェクトも登場しています。しかし、それらの試行は厳しい制約やショートカットに頼っていました。事前に偵察済みのワールドでピースフルモードでプレイし、ポータルもあらかじめ開いておく、あるいは単一のエージェントに人間がプログラミングした数十の Minecraft ツールを実行させるなどです。

私たちは別の問いを立てたかったのです。他の大規模言語モデルと同様に、Argon は Web 上で Minecraft に関する膨大な情報を読んでいます。では、汎用コーディングエージェントのチームがその知識を活かし、ゲーム固有のツールもヒントも人間の誘導も事前の役割分担もない最小限のプログラミングインターフェースだけで、ゼロからランダムなサバイバルワールドでエンダードラゴンを倒すよう自ら組織化できるのでしょうか？

実践される協調的コーディング

エージェントたちはピクセルを見ることもキーを押すこともありませんでした。各エージェントは「この座標まで歩き、半径 16 ブロック以内の鉄鉱石をすべて採掘する」といった短いプログラムを書くことで行動しました。また、プログラムの実行結果として出力される、更新されたエージェントの位置・体力・インベントリや発生したエラーも読み取りました。これまでのコミュニティの取り組みとは異なり、敵対モブが存在する難易度イージーのランダムワールドから開始し、公開されている標準の Mineflayer ライブラリをそのまま使用しました。私たちがその上に何かを追加することはしていません。Mineflayer は、プログラムがプレイヤーの位置、体力、インベントリ、周囲の状況を読み取り、指定した地点への移動、ブロックの破壊や設置、アイテムのクラフト、攻撃といった基本的なアクションを指示できるようにします。Mineflayer はエージェントに遊び方を教えません。何をするか、どの順番で行うかはエージェント自身が決めるのです。

開始から 10 分後、エージェントたちはチャットで作業を分担していました。1 体が道具を作り、1 体が食料を集め、1 体がダイヤモンドを掘り、もう 1 体がゲームの第 2 次元へ向かうポータルを建設しました。隠された要塞を見つけるため、あるエージェントは 2 か所から要塞に向かって飛ぶ 2 つのアイテムを投げ、それぞれの軌道をコードで追跡し、2 つの経路が交わる場所を計算しました。その推定地点は、1.3 キロメートル離れた要塞からわずか 43 メートルの誤差でした。

アイテムアイコンはオープンソースの Pixel Perfection テクスチャパック（XSSheep および Nova_Wostra、CC BY-SA 4.0）のものであり、Minecraft 本来のテクスチャではありません。

ドラゴンを倒すことはゲーム内で最も難しく時間のかかる挑戦であり、エージェントたちは 69 回リスポーンしました。試行の合間に、彼らは次の挑戦に向けた教訓を書き留めました。最終的に、あるエージェントがクリスタルがドラゴンを回復させていることに気づき、そこに到達するのにツルハシは不要だと突き止めました。各塔の横に土を積み上げ、クリスタルを殴り、また掘って降りるという方法です。最後のクリスタルが破壊されてから 39 分後、ドラゴンは倒されました。最後の一撃は、体力が 20 中 2.5 まで減ったプレイヤーによるものでした。

道中、チームは座標や教訓の共有メモを取り続け、4 体全員が再利用するヘルパー関数を作成し（うち 1 つは 655 個のプログラムに登場）、リスポーン後に互いのアイテムを回収し、自らのミスを指摘しました。あるプログラムが実際には起きていない成功を報告した際、その作成者であるエージェントは 2 分後に「私の前のチャットはガードされていないスクリプト分岐でした」と書き込みました。

サンドボックスを超えて

Minecraft はサンドボックスですが、そこで培われるスキルは汎用的です。1 日以上かけて目標を追求し、何千ものプログラムを書いてデバッグし、失敗から回復し、チームとして連携することは、まさに長期にわたるソフトウェアプロジェクトや研究が要求するものです。それはまた、優れた共同作業者に求めるものでもあります。作業を分担し、共有メモを管理し、自らのミスを修正するエージェントは、エンジニアが実際の仕事を任せられる存在なのです。

Minecraft はエージェントの能力を研究するための安全な場でもあります。エージェントのゲーム内プログラムは自分自身のプレイヤーしか操作できず、プロセスの起動やファイルの書き込みはできず、サーバーコマンドを使用したものもありませんでした。5 体目のエージェントである「オブザーバー」は独立した証人としてセッションを追跡し、不正行為や仕様抜け穴の利用がないかを監視しました。オブザーバーも、ログサンプルに対する手動レビューも、そのような行為は一切発見しませんでした。すべてのプログラム、メッセージ、ゲームイベントはライブダッシュボードに記録され、研究者はいつでも実行を一時停止または停止できました。また、エージェントたちは誰でも 1 行ずつ読めるプレーンテキストとコードで連携しました。すべてのステップが可視化されたサンドボックス環境でエージェントチームの連携を観察することは、現実世界のタスクを任せる前にこうしたシステムを理解するための一つの方法です。

本研究の限界についても触れておく価値があります。エージェントたちは API を通じて世界を読み取っており、周囲にあるブロックや生物が正確に伝えられ、経路探索プラグインが障害物を避けるルートを計画します。難易度はイージーでプレイしました。そして何度も失敗しました。605 回のリスポーンがあり、プログラムの 22% はエラーで終了しました。

結果の検証

私たちは実行中のすべてを記録しました。2,783 個の全プログラムとその出力、229 件の全チャットメッセージ、ワールドの定期的なスナップショット、そして完全なサーバーログです。ログには最初のプログラムから 27 時間 14 分後に勝利が記録されています。サーバーではチートコマンドが無効化されており、サーバーコマンドやネットワークリクエストを発行したプログラムはありませんでした。独立したオブザーバーエージェントとログの手動監査の両方が、チームが純粋に標準的なサバイバルプレイのみで勝利したことを確認しました。

次のフロンティア

本研究は、Minecraft のようなサンドボックス環境を使って AI チームの協働を評価する取り組みのほんの入口に過ぎません。今後の課題としては以下が挙げられます。エージェントが仮想キーボードとマウスを使って、人間と同じようにピクセルから直接プレイしたらどうなるか？チームの規模を拡大すると連携はどう変化するか？そして、目標が固定ではなく Minecraft で許容されるようなオープンエンドなものになったとき、これらのエージェントは何を生み出すのか？

また、この仕組みと本実験から得た知見を活用し、複雑な現実世界の課題に取り組み、ソフトウェアエンジニアリング、科学研究、デザイン、ロボティクスに協調的で長期的視野を持つインテリジェンスをもたらす計画です。ドラゴンは倒れましたが、信頼できる AI チームメイトを構築するという本当の仕事は始まったばかりです。

本研究の詳細については、技術レポートをご覧ください：http://arxiv.org/abs/2610.22319

これは独立した研究実験です。Minecraft の公式なマイルストーンではなく、Mojang や Microsoft が承認したものでも、関連するものでもありません。ゲームの画像には XSSheep と Nova_Wostra による CC BY-SA 4.0 ライセンスの Pixel Perfection テクスチャパックを使用しており、Minecraft 本来のテクスチャではありません。