Gemini 4 Argonエージェントは27時間でMinecraftを攻略：その仕組み

4つのGemini 4 Argonコーディングエージェントが、新たに生成されたMinecraftのサバイバルワールドに入り、エンダードラゴンの討伐を目指しました。2,783個のプログラムを作成し、605回死亡した末、27時間14分で目標を達成しました。

エージェントに固定の役割が割り当てられたり、人間が作成したゲーム攻略戦略を与えられたりしたわけではありません。プレイ中に、ゲーム内チャットと共有メモリを通じて連携し、資源の収集、ポータルの開通、失敗からの立て直し方法を判断しました。

研究者は実験を監視し、一時停止または中止できる状態にありました。技術レポートによると、プレイ中にエージェントの戦略へ介入することはありませんでした。

リーダーは指名されず、チームが作業を分担

この研究では、Minecraft Java Edition 1.20.4のサバイバルモードを難易度イージーで使用し、ランダムに生成されたワールドでチートコマンドを無効にしていました。これらの設定は結果の重要な一部であり、付随的な詳細ではありません。

プレイ開始から約10分後、あるエージェントがチャットで作業分担を提案しました。別のエージェントが計画を修正し、最終的にチームは道具の作成、食料と物資の収集、ダイヤモンドの採掘、ネザーポータルの準備といった役割に分かれました。

人間が作成した一元的な計画に依存するのではなく、座標や実用的な知見を共有しました。その後、互いの死亡時に落としたアイテムを回収し、ヘルパーコードを再利用しました。論文によると、あるヘルパー関数は655個のプログラムに登場しました。

研究チームの構成図。出典レポートに掲載された図を再掲。テクスチャパックのクレジットは出典注記に記載されています。

この環境には、環境を調べる、結果を検証する、再利用可能なツールを作る、有用なメモリを保持する、正直に報告するといった一般的なエージェント向け指示が含まれていました。したがって、「ゲーム内の役割を割り当てられていない」ということは、指示やインフラが一切なかったという意味ではありません。

コントローラーも画面ピクセルも使わず、プログラムで操作

エージェントは、オープンソースのJavaScriptライブラリであるMineflayerと、そのパスファインディングプラグインを通じてプレイヤーを操作しました。周囲のブロックやクリーチャー、インベントリ、位置、体力に関する構造化情報を受け取っており、画面上のピクセルを見てゲームを認識していたわけではありません。

各ステップでは、プログラムを書いて実行し、返されたテキストやエラーを読み取ります。Mineflayerは移動、採掘、クラフト、攻撃といった基本操作を提供し、エージェントはどの操作を組み合わせ、次に何を目指すかを判断しました。

この違いは、人間のプレイや視覚ベースのゲームエージェントと比較する際に重要です。正確な状態情報とパスファインディングプラグインにより、認識や移動に関する難しさの一部が取り除かれています。それでも、チームはより長期的な計画課題を解決する必要がありました。

4人のプレイヤーは、勝利するまでに2,783個のプログラムを生成しました。プログラムの実行時間の中央値は33.5秒でしたが、各プレイヤーのプログラムが実行されていたのは全体の約40%にすぎません。残りの時間は、結果の確認、推論、次のプログラムの作成に費やされました。プログラム数だけでは、リアルタイムの行動速度を測れません。

605回の死亡、復旧、そして最終決戦

チームはまず道具を作り、ネザーポータルを開き、その後、ブレイズパウダーとエンダーパールを集めてエンダーアイを作りました。そのためには、危険な場所への往復や、失った資源の回収を何度も行う必要がありました。

あるエージェントは、異なる場所からエンダーアイを2回投げ、その飛行経路を計測して交点を計算することで要塞の位置を特定しました。推定地点はポータル部屋から43メートル、村から約1.3キロメートルの位置でした。

エンダーアイを要塞まで運ぶことも、連携が求められる課題になりました。12個すべてを持っていたプレイヤーが溺死すると、チームメイトはアイテムの落下座標と消滅期限を共有しました。別のプレイヤーがアイテムの消滅前に回収したため、グループはエンドポータルを起動できました。

エンダードラゴンとの戦闘では、605回の死亡のうち69回が発生しました。エージェントはドラゴンの状態を調べ、戦略を書き留め、失敗した試みの後に対応を変えました。やがて、10個の回復クリスタルが果たす役割に気づき、柱のそばに土を積み上げてクリスタルへ到達する方法を編み出しました。

回復クリスタルと最終決戦を示す研究図。クレジットとテクスチャパックのライセンスは上記に記載されています。

最後のクリスタルを破壊してから39分後、ドラゴンは倒されました。最後の一撃を与えたプレイヤーの体力は、最大20のうち2.5でした。

死亡は粘り強く立て直した証拠である一方、非効率さも示しています。研究者の報告によると、プログラムの22%がエラーで終了しました。サーバーは6回再起動され、その間、ワールドは合計約20分停止しました。この時間も報告された経過時間に含まれています。

研究者はどのように勝利を検証したのか

チームは、すべてのプログラムと出力、229件のチャットメッセージ、定期的なワールドのスナップショット、サーバーログを記録しました。サーバーログには、最初のプログラム実行から27時間14分後に勝利したことが記録されています。

5つ目のエージェントは**Observer（監視役）**として機能しました。4人のプレイヤーに加わってプレイしたり、戦略を立てたりするのではなく、虚偽の主張、仕様の抜け穴を利用する行為、インフラの問題がないか記録を確認しました。研究者もログの一部を手動で監査し、不正は見つからなかったと報告しています。

ゲーム内プログラムには制限があり、プロセスの起動やファイルへの書き込みはできませんでした。論文によると、提出されたプログラムがサーバーコマンドやネットワークリクエストを実行したことはありません。ただし、コーディングエージェント自体は、ワークスペース、シェル、ウェブ検索など、一般的なソフトウェア作業用ツールを利用できました。ゲーム内プログラムへの制限と、エージェントを取り巻く環境全体の機能を混同してはいけません。

「人間の介入なし」という表現にも、こうした背景があります。人間はサーバー、サンドボックス、ツール、監視ダッシュボードを設定し、実験を中止できる状態を維持していました。この主張が指しているのは、環境を人間の設計なしに自ら作り出したシステムではなく、セットアップ後に観察された実行過程です。

この研究において、Observerは4人のプレイエージェントから独立しています。しかし、外部の研究機関が独立して結果を再現したものではありません。

スクリプト化されたワークフローから創発的な連携へ

出典では、この結果を以前のMinecraftエージェントやコミュニティによる実演と比較しています。ただし、それらのシステムは難易度、シード値、インターフェース、補助ツール、計画アーキテクチャが異なるため、クリア時間をこの実験と比較して統制された順位付けを行うことはできません。

ここで有用なのは、より範囲を絞った問いです。汎用コーディングエージェントは、共通の目標を維持し、情報を交換し、1日を超えるタスクの失敗から立て直せるのでしょうか。この研究は、その可能性を示す詳細な肯定例を1つ提示しています。

著者らは、この実験環境と知見をソフトウェアエンジニアリング、科学、デザイン、ロボティクスに応用することを提案しています。これらは今後の研究方向であり、ドラゴンを倒したことで実証された能力ではありません。異なるシード値、チーム規模、より難しいインターフェースで実験を繰り返すことで、信頼性を評価し、環境のどの要素が重要なのかを明らかにできるでしょう。

よくある質問

Gemini 4 Argonは本当にエンダードラゴンを倒したのですか？

研究チームはサバイバルモードをクリアしたと報告しており、プログラム記録、チャット、ワールドのスナップショット、サーバーログを根拠として提示しています。この記事のために、結果を独立して再現したわけではありません。

Minecraftの実験にはどれくらい時間がかかりましたか？

最初のプログラムからドラゴンを倒すまでの記録上の時間は、27時間14分でした。サーバーの6回の再起動に伴う約20分の停止時間も含まれています。

エージェントはキーボード、マウス、ゲーム画面のスクリーンショットを使いましたか？

いいえ。Mineflayerを通じてJavaScriptプログラムを作成し、構造化されたゲーム状態とテキスト出力を読み取りました。パスファインディングプラグインも、障害物を避けた経路の計画に役立ちました。

人間の研究者はプレイ中に仕事を割り当てていましたか？

報告によると、プレイ開始後、ゲーム内の役割を割り当てたり戦略に介入したりした人はいませんでした。一方、研究者は環境と一般的な指示を提供し、進行状況を監視し、中止操作を行える状態にありました。

チームはなぜ605回も死亡したのですか？

エージェントは資源の収集、危険の回避、ドラゴンとの戦闘で何度も失敗しました。共有メモと再試行によって立て直しましたが、死亡回数は、クリアできたからといって効率的で一貫して信頼できるプレイだったわけではないことも示しています。

この実験は、同じエージェントが現実世界のプロジェクトを自律的に実行できると証明していますか？

この実験が示しているのは、1つの管理されたゲーム環境における長時間の連携です。ソフトウェアや物理世界のプロジェクトには異なる失敗要因があるため、幅広い信頼性は別途評価する必要があります。

関連ツール

• Mineflayer：ゲーム状態の読み取りとMinecraftボットの操作に使用されたJavaScriptライブラリ。
• Mineflayer Pathfinder：実験でMineflayerと併用されたナビゲーションプラグイン。

関連リンク

• BAAI／Xinzhiyuanの元レポート：出典記事と元のトピック構成。
• 技術レポート：研究チームによる実験設定、結果、制約。
• 論文のHTML全文：詳細なタイムライン、検証方法、図表。
• 研究者による詳しい発表：Maxence Faldorによる実験の解説。
• Google DeepMindの発表：出典へのリンクを含む組織からの発表。
• Pixel Perfectionライセンス：テクスチャパック素材について記載されている帰属表示と共有条件。

まとめ

4つのGeminiコーディングエージェントは、自らプログラムを作り、情報を共有し、繰り返しの失敗から立て直すことでMinecraftをクリアしました。記録には、資源の収集、要塞の特定、最後のドラゴン戦を含む、丸1日にわたる連携が残されています。

難易度イージー、構造化された状態情報へのアクセス、パスファインディング、人間が構築した監視環境は、結果を理解するうえで欠かせない背景です。この結果は、粘り強い連携を記録した実証例ですが、サンドボックス外への応用や信頼性については、今後も評価が必要です。