Voyagerとマインクラフト｜技を保存・再利用する仕組みと限界

Voyagerとは？マインクラフト・GPT-4との関係

Voyagerは、NVIDIAや大学の研究者が発表したMinecraftの探索エージェントで、ゲーム環境のMinecraftや、コード生成に使うGPT-4とは役割が異なります。エージェントとは、目標や周囲の状態をもとに行動を選び、環境に働きかける仕組みです。Voyagerの研究概要・著者所属

Minecraftは、探索や道具作りを行うゲーム環境です。Voyagerはその中で取り組む課題を選び、GPT-4に行動用のプログラムを書かせます。GPT-4はVoyagerそのものの名称ではなく、研究に使われたAIモデルです。論文の手法説明

構成は、次の課題を決める「自動カリキュラム」、技能を蓄える「スキルライブラリ」、実行結果をもとにコードを直す「反復的なプロンプティング」の3つです。スキルライブラリとは、再利用する行動コードなどを保存・検索する仕組みです。プロンプティングとは、モデルへの指示や情報の与え方を指します。公式の3要素の説明

公式GitHubは、Voyagerを研究プロジェクトと位置づけ、NVIDIAの公式製品ではないと明記しています。本記事でも、契約して使う一般向けサービスの紹介としては扱いません。公式READMEの位置づけ

一般的な仕組みから整理したい場合は、AIエージェントの基本と、通常のチャットとの違いも参考になります。

技能の再利用はどこまで確認されたか

Voyagerの論文では、持ち物をリセットした新しいMinecraftワールドで、保存済み技能を使う4課題の評価が行われており、別のゲームへの転用を実証した結果ではありません。「新しい環境で使えた」という説明は、評価した環境と課題を添えて読む必要があります。論文3.3節・表2

新しいワールドで評価した4つの課題

評価対象は、ダイヤモンドのツルハシ、金の剣、溶岩入りバケツ、コンパスを得る4課題です。各課題を3試行、最大50回のプロンプト反復という条件で評価しています。この反復数はモデルとやり取りする回数の上限であり、作業時間やサービスの利用上限ではありません（2026年9月27日確認）。論文表2の評価条件

Voyagerは4課題で各3試行中3試行に成功しました。ライブラリなしの成功は、各3試行のうちダイヤモンドのツルハシが2試行、残る3課題が各3試行でした。一方、コンパスの獲得に必要なプロンプト反復は、3試行の平均でVoyagerが18回、ライブラリなしが26回でした。成功した回数と、成功までに要した反復数を分けて読むことが大切です。これは経過時間やAPI費用の比較ではありません（2026年9月27日確認）。論文3.3節・表2の比較結果

研究で言えること・言えないこと判断表

本記事の判断基準は、保存されるものと、結果を確認した範囲を分けることです。下表は公式の判断表ではなく、公式資料を照合した整理です。

表は横にスクロールできます。

研究紹介を読むときは、まず主張が「Minecraft内の4課題」についてのものか確かめます。表に記した条件と結果の範囲なら表2を根拠にでき、別ゲームへの適用や実行時間の短縮まで述べる主張は、この評価だけでは採用を保留します。

スキルライブラリはコードをどう再利用するか

Voyagerのスキルライブラリは、行動のコードと説明を蓄え、課題に関係する技能を検索して、次に実行するコードの生成に利用する仕組みです。成功した会話をそのまま読み返すだけではなく、実行できるプログラムが再利用の対象になります。論文2.2節のスキルライブラリ

コード・説明・検索用の情報を残す

保存するのは、行動を実行するJavaScriptのコードと、その技能の説明、検索に使う情報です。公開コードでは、コードや説明をファイルに残し、説明の埋め込み表現を検索に用いています。埋め込み表現とは、文章の意味を数値の並びで表したものです。公式の技能管理コード

技能の追加には、課題を達成したかを判定する自己検証が関わります。自己検証とは、課題と環境の状態などをもとに、モデルが成否を判定する処理です。「成功と判定して保存した」という説明は、この判定が間違わないことまでは意味しません。公式の自己検証と技能保存の説明

関連する技能を検索してコードを作る

次の課題では、関連する保存技能を検索し、そのコードをモデルに渡して新しい行動コードを作ります。論文では関連技能を5つ取り出す設計が説明されています。再利用するのは行動の手順であり、前のワールドで集めた持ち物を新しいワールドへ運ぶ仕組みではありません。論文2.2節・3.3節

再利用と再開は別です。公式READMEは、途中から実行を再開する設定と、保存したスキルライブラリを別の実行で使う設定を分けて示しています。実行再開用の保存データには技能以外の記録も含まれるため、「続きを再開すること」と「技能を使うこと」を同じ意味で読まないようにします。公式READMEの再開・技能利用／公開ライブラリと保存データの説明

技能を保存しても成功を保証できない理由

Voyagerは実行結果や自己検証のフィードバックでコードを修正しますが、論文ではコード生成や成功判定そのものに失敗する場合が報告されています。保存、実行、成否の判断はそれぞれ別に見る必要があります。論文2.3節・4節

コード生成と課題設定の失敗

コードが生成されても、そのコードを実行できることや課題を達成できることまでは保証されません。論文は、無効なコードや、実行環境に存在しない機能を使おうとする問題を挙げています。次に取り組む課題の提案自体が、実現できない場合もあります。論文4節の制約

自己検証の誤りと建築実演の条件

成功判定もモデルが行うため、目的を達成していても失敗と判定することがあります。論文では、クモから糸を得た場面の判定に関する失敗例が報告されています。したがって、「自己検証を備える」という事実だけで判定の正しさを保証できません。論文4節の自己検証の限界

動画を見る際は、入力や人の関与も確認します。研究の基本構成では、環境の状態をテキスト情報として受け取り、MineflayerというMinecraft操作用のプログラム群を通じて行動します。人と同じように画面を見て操作していると受け取るのは不正確です。論文の環境・観測・行動の説明

複雑な建築の実演には、人による視覚的なフィードバックや課題設定を取り入れた例もあります。これは新しいワールドの4課題評価とは別の条件です。見栄えのする建築動画を、すべて自律的に達成した証拠としてまとめないことが判断の要点です。論文3.5節の建築実演