連日來用于Minecraft中AI助手的Facebook開源CraftAssist框架向來一不斷的有小伙伴關注，不僅如此還衍生出了各大相關話題，那么跟著小編來看看用于Minecraft中AI助手的Facebook開源CraftAssist框架以及它的相關資訊吧！

Facebook AI研究人員將CraftAssist開源，這是一個為Minecraft視頻游戲構(gòu)建交互式助手機器人的框架。這些機器人使用自然語言理解(NLU)來解析和執(zhí)行人類玩家的文本命令，例如在游戲世界中建筑房屋的請求。研究人員可以擴展該框架的模塊化結(jié)構(gòu)，以執(zhí)行自己的ML實驗。

研究團隊在最近的博客文章中對該系統(tǒng)進行了概述。CraftAssist機器人使用與標準游戲客戶端相同的協(xié)議連接到游戲，因此可以執(zhí)行人類玩家可以執(zhí)行的任何操作。機器人使用Minecraft的內(nèi)置基于文本的聊天界面與其他玩家進行交互。人類可以向機器人發(fā)出命令，包括高級指令，例如“在藍色立方體旁邊蓋房子”。

從廣義上講，機器人操縱系統(tǒng)由感知和動作選擇子系統(tǒng)組成。感知是將原始傳感器數(shù)據(jù)轉(zhuǎn)換為更抽象的表示;例如，圖像識別是一種感知任務，它將圖像像素轉(zhuǎn)換為描述圖像內(nèi)容的文本標簽。當對包含許多傳感器輸入示例和所需輸出的示例的數(shù)據(jù)集進行訓練時，現(xiàn)代的深度學習模型可以在許多視覺和NLU任務上實現(xiàn)接近人類水平的性能。

動作選擇是機器人“決定”如何與世界互動以實現(xiàn)某個目標的過程。例如，為了贏得圍棋而做出的舉動。

許多成功的系統(tǒng)都使用強化學習(RL)，在這種學習中，機器人會反復嘗試執(zhí)行任務，每次嘗試都會給出數(shù)值獎勵 結(jié)果。

游戲是RL的常見測試平臺，因為它們具有明確的動作和結(jié)果集，而經(jīng)過RL訓練的現(xiàn)代機器人在許多不同的游戲中通常都可以勝過人類的頂級能力。某些研究小組(例如Google的DeepMind)將感知和動作選擇子系統(tǒng)組合到一個由受訓者訓練的單一“端到端”系統(tǒng)中深度強化學習，還有許多用于訓練這些系統(tǒng)的虛擬環(huán)境，包括 Facebook開辟的模擬棲息地。

微軟已經(jīng)為Minecraft開源了一個名為Project Malmo的“ AI-gym”界面以及一個大型數(shù)據(jù)集，以鼓舞將Minecraft用作RL研究的測試平臺。