Learning to play Minecraft with Video PreTraining

训练神经网络玩《我的世界》

我们通过视频预训练（VPT）技术，在一个大规模无标签的人类《我的世界》游戏视频数据集上训练了一个神经网络，仅使用了少量带标签的承包商数据。

经过微调，我们的模型能够学会制作钻石工具——这一任务通常需要熟练玩家超过20分钟（约24,000个动作）才能完成。

模型特点

• 使用人类的原生操作界面：键盘按键和鼠标移动，因此具有很高的通用性。
• 代表了向通用计算机使用智能体迈进的一步。