CausalMACE: Mehrere KI-Agenten meistern Minecraft-Aufgaben dank kausaler Planung

In der offenen Welt von Minecraft, die sich zu einer führenden Plattform für die Erforschung von Agentenentscheidungen entwickelt hat, stoßen ein‑Agenten‑Ansätze häufig an ihre Grenzen. Besonders bei komplexen Aufgaben, die lange Aktionsketten erfordern, leiden sie unter Ineffizienz und mangelnder Fehlertoleranz.

Die neue Studie präsentiert CausalMACE, ein umfassendes kausal‑planendes Framework, das Multi‑Agenten-Systeme gezielt verbessert. Durch die Kombination eines übergeordneten Aufgaben‑Graphen für die globale Planung mit einem kausal‑basierten Modul zur Abhängigkeitsverwaltung schafft CausalMACE eine strukturierte Koordination der Agenten.

Das kausale Modul nutzt inhärente Regeln, um gezielte Interventionen durchzuführen und so die Abhängigkeiten zwischen Teilaufgaben zu steuern. Die Experimente zeigen, dass CausalMACE bei kooperativen Minecraft‑Aufgaben die bisher beste Leistung erzielt.