voyager.minedojo.org

Voyager 是 NVIDIA、Caltech 等机构提出的、由大语言模型驱动的 Minecraft 具身终身学习智能体。它的核心设计可以概括为三个组件加一条调用路径：自动课程负责决定“接下来探索什么”，技能库负责把学到的行为以可执行代码的形式存下来并随时取用，迭代提示机制负责让写出的程序在环境反馈中不断修正；三者都通过黑盒查询调用 GPT-4 来驱动，不需要对模型参数做微调。理解这套结构，就能理解它为什么能在无人干预下持续探索、积累技能并迁移到新世界。

三个核心组件各自解决什么问题

自动课程：把“开放世界”拆成可执行的目标

开放世界最大的难题是目标空间无限大，智能体容易原地打转。Voyager 的自动课程根据智能体当前的状态和已掌握的技能，自动生成下一个探索目标，且目标难度随能力增长而提升，从而最大化探索。

这里的关键机制是课程与技能库联动：课程提出的任务应当落在“稍微够得着”的区间——太难会导致程序反复失败，太简单则没有新技能产出。课程不是一次性写死的任务列表，而是随智能体进度动态调整的。

技能库：用可执行代码存储复杂行为

Voyager 不把技能存成模型权重或隐向量，而是存成可执行的代码程序。每个技能是一段能在 Minecraft 环境中运行的程序，配有描述，便于之后按语义检索复用。

这种设计带来三个直接好处：

• 可解释：技能就是代码，人能读懂它在做什么。
• 可组合：新任务可以调用已有技能作为子程序，能力快速叠加。
• 抗遗忘：技能以代码形式持久保存，不会像参数更新那样出现灾难性遗忘。

当智能体面对新任务时，先从技能库检索相关程序，再在其基础上编写新程序，而不是从零开始。

迭代提示机制：让程序在反馈中自我改进

LLM 一次生成的程序往往跑不通。Voyager 的做法是把三类信号回灌给模型，让它改写程序：

1. 环境反馈：执行后世界状态发生了什么变化；
2. 执行错误：代码报错信息；
3. 自我验证：由模型判断任务是否真的完成。

这三类信号构成一个“生成—执行—诊断—重写”的循环，直到程序通过验证或被判定失败。这是 Voyager 能把粗糙的初始代码打磨成可用技能的关键。

一次任务是怎么跑起来的

把三个组件串起来，单轮任务的流程大致是：

1. 自动课程依据当前状态与技能库，提出下一个目标；
2. 智能体从技能库检索可能相关的已有技能；
3. 通过黑盒查询调用 GPT-4，生成完成该目标的代码；
4. 在环境中执行代码，收集环境反馈、报错与自我验证结果；
5. 若未完成，带着上述信号迭代改写程序；
6. 成功后，把新程序连同描述写入技能库，供后续检索复用。

例如需要完成“制作一把石镐”这类任务时，智能体不必从“砍树”重新学起，而是检索技能库中已有的采集、合成类程序，组合出新的程序；若首次执行因缺少某个前置材料而失败，报错与状态反馈会进入下一轮提示，促使它补上缺失步骤。

为什么用黑盒查询而不是微调

Voyager 与 GPT-4 的交互方式是黑盒查询，即只发送提示、读取输出，不更新模型参数。这一选择的意义在于：

• 省去为具身任务收集训练数据和微调模型的成本；
• 智能体的“学习”发生在外部——课程、技能库和提示内容随经验增长，而底层模型保持不变；
• 能力提升来自上下文中的技能复用与程序改进，属于上下文内的终身学习。

代价是每次决策都依赖对 GPT-4 的调用，运行开销与延迟由外部模型决定；资料未给出具体调用成本或访问限制，实际使用需以官方代码仓库与论文说明为准。

效果与适用边界

论文报告的结果显示，Voyager 相比此前的最优方法（SOTA）获得 3.3 倍 的独特物品、行进距离达 2.3 倍，解锁关键技术树里程碑的速度最高快 15.3 倍；并且能把学到的技能库用于一个全新的 Minecraft 世界，从零解决新任务，而其他方法在泛化上表现吃力。

需要区分的是：这些数字是论文在 Minecraft 基准上的实验结果，说明的是该方法在开放世界探索与技能迁移上的相对优势，不等于它在任意具身任务上都成立。判断是否适合借鉴时，可以看两个条件——任务是否具有可执行代码这一中间表示，以及环境是否能提供可回灌的反馈与报错；两者都满足时，这套“课程 + 技能库 + 迭代提示”的结构最容易落地。

想进一步核对组件细节与实验设置，可查阅该页面链接的 arXiv 论文与代码仓库。

Voyager 的论文原文和代码入口都在项目主页 voyager.minedojo.org 上：页面提供 arXiv PDF 与 Code 两个链接，同时列出 Tweet 和 MineDojo 相关入口。如果你要引用论文、复现代码或联系作者，直接从这个主页进入即可；页面本身不托管论文全文或代码仓库。

页面提供的资源入口

页面标题为 “Voyager: An Open-Ended Embodied Agent with Large Language Models”，正文含 Abstract、Introduction、Voyager Components、Experiments、Conclusion 五个部分，可作为检索论文内容的目录参考。

按目的选择入口

• 只想快速了解结论：先读主页摘要。摘要给出三项关键数据：独特物品数量为先前最优方法的 3.3 倍、移动距离为 2.3 倍、解锁关键技术树里程碑最快达 15.3 倍。
• 要引用或核对方法细节：走 arXiv PDF 链接，重点看 Voyager Components 与 Experiments 两节。
• 要跑代码或改造实现：走 Code 链接。注意论文说明 Voyager 通过黑盒查询调用 GPT-4，绕过了模型参数微调，因此复现时的主要依赖是外部模型接口而非本地训练。
• 要联系作者：使用页面列出的通讯作者邮箱，两位通讯作者分别来自 Caltech 与 NVIDIA。

使用时的常见卡点

• 主页是导航页，PDF 和代码都在外部站点，链接失效时可用论文标题在 arXiv 检索。
• 页面未提及价格、登录要求或使用许可，下载或使用代码前需在代码仓库页面自行确认。
• 论文作者分属 NVIDIA、Caltech、UT Austin、Stanford、ASU，引用时以 PDF 中的作者列表为准，不要只依据主页署名顺序。

按论文给出的实验结果，Voyager 在 Minecraft 中的表现明显优于此前的 SOTA 方法：它获得的独特物品数量是后者的 3.3 倍，行进距离是 2.3 倍，解锁关键技术树里程碑的速度最高快 15.3 倍。更关键的一点是泛化能力——Voyager 能把学到的技能库带到新的 Minecraft 世界中，从零开始解决新任务，而其他方法在这一项上表现不佳。这些结论来自论文在 MineDojo 相关基准上的实验，衡量的是智能体在开放世界中的探索广度、行动范围和科技树推进效率。

三项核心指标的对比

论文摘要给出的对比数字可以直接作为判断依据：

这三项指标分别对应三种能力：物品获取反映探索与技能多样性，行进距离反映在开放世界中的活动范围，科技树里程碑速度反映从基础资源到高级目标的推进效率。三者同时领先，说明优势不是单点偶然，而是整体探索与学习能力的体现。

为什么能拉开差距

Voyager 的表现来自三个组件配合，理解这一点才能判断这些数字意味着什么：

• 自动课程（automatic curriculum）：持续给出略高于当前能力的探索目标，让智能体不断接触新物品和新场景，而不是停留在熟悉区域重复动作。
• 不断增长的技能库（skill library）：把复杂行为写成可执行代码存起来，需要时检索复用。技能是时序扩展的、可解释的、可组合的，因此能力可以快速叠加，并缓解灾难性遗忘。
• 迭代提示机制（iterative prompting）：把环境反馈、执行错误和自验证结果一起送回 GPT-4，让程序在出错后自我修正。整个过程通过黑盒查询完成，不需要微调模型参数。

一个贴切的例子是：当 Voyager 需要合成某件物品时，它不必从零摸索每一步，而是从技能库中取出已学会的采集、合成等子技能组合使用；如果执行报错，迭代提示机制会依据错误信息改写代码再试。技能库越用越厚，后续任务的起点就越高——这正是物品数量和科技树速度能大幅领先的机制来源。

泛化能力：比数字更值得关注

论文特别强调，Voyager 能把学到的技能库用在一个全新的 Minecraft 世界里，从零解决新任务，而其他技术难以泛化。这意味着它的优势不只是“在训练过的环境里跑得快”，而是技能本身具有可迁移性。对于关心开放世界智能体实用性的读者，这一条比 3.3 倍、2.3 倍更能说明方法的性质：技能以代码形式存储，天然具备跨环境复用的条件。

怎么用这些结论做判断

• 如果你在评估“LLM 驱动的 Minecraft 智能体是否值得跟进”，论文数据支持 Voyager 在探索广度、行动范围和科技树推进上全面领先，且具备跨世界迁移能力。
• 如果你关心方法可复现性，注意它依赖对 GPT-4 的黑盒查询，而非本地微调；复现成本与模型访问条件相关，论文页面提供 arXiv PDF、代码和 MineDojo 入口可供进一步核对。
• 如果你要对比其他基线，应使用相同指标（独特物品数、行进距离、里程碑速度）和相同评测环境，避免只引用单一数字下结论。

以上数字均为论文摘要中的报告值，具体实验设置、基线选择和统计方式需查阅原文的实验章节确认。

Voyager 是 NVIDIA、Caltech、UT Austin、Stanford 和 ASU 研究者共同提出的一个项目，也是论文介绍页所呈现的核心内容：它是首个由大语言模型（LLM）驱动、能在 Minecraft 中持续探索、获取多样技能并自主发现新事物的“具身终身学习智能体”。它适合想了解 LLM 如何用于开放世界智能体研究、或想复现/借鉴其方法的研究者阅读；页面本身是论文介绍，不是可在线游玩的游戏产品。

它解决什么问题

传统强化学习和模仿学习在原始动作层面运作，在系统性探索、可解释性和泛化上存在困难。Voyager 的思路是借助预训练 LLM 中已有的世界知识，让智能体在开放世界中自主制定目标、积累技能并不断改进，而不需要针对模型参数做微调。

三个关键组件

根据页面摘要，Voyager 由三部分组成：

• 自动课程（automatic curriculum）：最大化探索，驱动智能体不断设定新目标。
• 不断增长的技能库（skill library）：以可执行代码形式存储和检索复杂行为，技能具有时间延展性、可解释、可组合，能快速叠加能力并缓解灾难性遗忘。
• 迭代提示机制（iterative prompting）：结合环境反馈、执行错误和自我验证来改进程序。

Voyager 通过黑盒查询与 GPT-4 交互，因此绕开了模型参数微调的需要。

实验表现

页面给出的对比数据是：与先前最优方法相比，Voyager 获得的独特物品多 3.3 倍，行进距离长 2.3 倍，解锁关键技术树里程碑的速度最高快 15.3 倍。此外，它能把学到的技能库用在一个新的 Minecraft 世界中从零解决新任务，而其他方法难以泛化。

页面结构

该介绍页包含 Abstract、Introduction、Voyager Components、Experiments、Conclusion 等章节，并提供 arXiv 论文 PDF、代码和 MineDojo 相关链接。想深入了解方法细节或复现实验，应从论文 PDF 和代码入口入手；只想快速判断它是否与你的研究方向相关，读摘要和实验部分即可。

Voyager 与传统强化学习、模仿学习以及一般 LLM 智能体的核心区别在于：它不直接学习原始动作策略，而是让 LLM 生成可执行的代码技能，并把技能存进一个不断增长的技能库。这个设计让它的行为具有时间延展性、可解释性和可组合性，从而在开放世界中实现无需人工干预的终身学习。适用条件是：任务环境能接受代码作为动作接口（Voyager 的验证场景是 Minecraft），且可以调用 GPT-4 这类黑盒模型——Voyager 通过黑盒查询与 GPT-4 交互，不需要微调模型参数。

传统 RL 与模仿学习的局限

Voyager 论文在引言中把经典方法归为强化学习和模仿学习两类，它们都作用在原始动作层面。这带来三个具体困难：

• 探索难：在开放世界中，从原始动作出发做系统性探索代价很高。
• 可解释性弱：策略是隐式的，难以说明智能体为什么这么做。
• 泛化差：在新环境或新任务上迁移能力有限。

Voyager 的对比实验也印证了这一点：此前的 SOTA 方法在换到新的 Minecraft 世界后，很难从头解决新任务。

Voyager 的三个关键组件

Voyager 由三部分构成，每部分都对应一种能力：

其中技能库是理解 Voyager 与传统方法差异的关键：技能以代码形式存在，因此天然可读、可组合，并且能随时间不断叠加。

技能库为什么能“累积能力”

传统智能体每次训练或每次任务往往从头开始，能力难以沉淀。Voyager 把学到的行为固化成代码技能，后续任务可以直接检索调用。论文指出，这些技能具有时间延展、可解释、可组合的特点，能让智能体能力快速复合增长，并缓解灾难性遗忘——旧技能不会因为学新技能而被覆盖。

这体现为“上下文终身学习”（in-context lifelong learning）：Voyager 不更新模型权重，而是靠不断扩充的提示上下文和技能库来变强。一个贴切的例子是：当 Voyager 已经掌握“采集木材→制作工具→挖掘石头”这类代码技能后，面对需要石制工具的新任务，它可以直接组合已有技能，而不必从原始动作重新试错。

实验表现上的差异

论文给出的量化对比可以直接说明差距：

• 获得的独特物品数量是此前 SOTA 的 3.3 倍；
• 移动距离是 2.3 倍；
• 解锁关键技术树里程碑的速度最高快 15.3 倍；
• 在新 Minecraft 世界中，Voyager 能利用已学技能库从头解决新任务，而其他方法难以泛化。

怎么判断它是否适合你的场景

如果你关心的是开放世界中的自主探索、行为可解释性，以及能力能否跨任务沉淀和迁移，Voyager 的“代码技能 + 技能库 + 迭代提示”路线比原始动作层面的 RL/模仿学习更匹配。反过来，如果你的环境无法用代码表达动作，或者不能调用外部 LLM 做黑盒查询，这套机制的前提就不成立，需要另找方案。