VillagerAgent: A Graph-Based Multi-Agent Framework for Coordinating Complex Task Dependencies in Minecraft

本文旨在评估多智能体系统在复杂依赖关系下的表现，包括空间、因果和时间约束。首先，在Minecraft环境中构建了一个名为VillagerBench的新基准，其中包含各种任务，旨在测试多智能体协作的各个方面，从工作负载分配到动态适应和同步任务执行。其次，我们介绍了一个有向无环图多智能体框架VillagerAgent，以解决复杂的智能体间依赖关系并提高协作效率。该解决方案包括一个任务分解器，用于创建有向无环图(DAG)以进行结构化任务管理，一个代理控制器，用于任务分配，以及一个状态管理器，用于跟踪环境和代理数据。我们在VillagerBench上的实证评估表明，VillagerAgent的表现优于现有的AgentVerse模型，减少了幻觉并提高了任务分解效率。结果强调了VillagerAgent在推进多智能体协作方面的潜力，在动态环境中提供了可扩展和通用的解决方案。源代码在GitHub上开源（https://github.com/cnsdqd-dyb/VillagerAgent）。

本文旨在评估多智能体系统在复杂依赖关系下的表现，包括空间、因果和时间约束。同时构建了一个名为VillagerBench的基准测试，用于测试多智能体协作的各个方面，并介绍了一个新的多智能体框架VillagerAgent，以解决复杂的智能体间依赖关系和提高协作效率。

VillagerAgent框架包括任务分解器、智能体控制器和状态管理器，通过创建有向无环图（DAG）进行结构化任务管理，实现任务分配和环境和智能体数据的跟踪，以提高多智能体系统的协作效率。

通过VillagerBench的实验评估，证明了VillagerAgent相对于现有的AgentVerse模型具有更好的表现，能够减少幻觉并提高任务分解效率。VillagerAgent框架具有可扩展性和通用性，可在动态环境中提供可行的解决方案。研究开源了代码。

最近的相关研究包括：《AgentVerse: A Benchmark for Multi-Agent Reinforcement Learning》。