Dreamer 4 亮相：靠「腦內模擬」推演，首個純離線在《我的世界》挖出鑽石的 AI

讓 AI 去真實世界或者遊戲裡摸爬滾打，成本其實高得嚇人。機器人撞壞一臺就是幾十萬，而在複雜的開放世界遊戲裡，從零亂試也可能幾百萬步都毫無進展。

解決辦法之一，是讓 AI 先在腦子裡把這個世界建出來，然後在「想像」中做推演。由 Danijar Hafner 與 Wilson Yan 共同主導的研究團隊公佈了新一代智慧體 Dreamer 4，把這種腦內模擬推到了一個驚人的新高度。

它成了首個不需要與環境發生任何即時互動、純靠離線資料在《我的世界》（Minecraft）中挖出鑽石的 AI。

腦內模擬器：在單張 GPU 上做到即時互動

在此之前，世界模型（World Models）在複雜環境下面臨一個尷尬的瓶頸：畫面看著逼真，但只要一涉及複雜的物體互動，模型就會產生嚴重幻覺，根本沒辦法用來訓練精確的動作。

Dreamer 4 改變了這一點。它在《我的世界》這樣極其複雜的開放沙盒裡，不僅能精準預測物理互動，還能準確還原底層遊戲機制，表現大幅超越了以往的世界模型。

更厲害的是，團隊採用了一種名為 shortcut forcing 的訓練目標，並配合高效的 Transformer 架構，直接讓這個高精度的世界模型在單張 GPU 上就能跑出即時的互動推理速度。

這意味著 AI 可以在自己的腦海裡極快地模擬成千上萬種可能性，而不需要昂貴的計算叢集。

超過 2 萬步操作，全憑「想像」搞定

在《我的世界》裡挖到鑽石，是強化學習領域出了名的長程規劃難題。

玩家得從一無所有開始砍樹、造工作臺、做木鎬、挖石頭、升級石鎬、下礦洞、找鐵礦燒鐵，最後一路下潛到地底深處避開岩漿挖到鑽石。面對原始畫素輸入，AI 需要連續做出超過 2 萬次精準的鍵盤和滑鼠操作，稍有失誤就會前功盡棄。

以往的 AI 要完成這個任務，往往需要跟遊戲環境互動數百萬次來不斷試錯。而 Dreamer 4 面臨的規則更為嚴苛：完全不準接觸真實遊戲環境，只能看離線資料。

研究人員讓模型從大量無標籤影片中汲取世界常識，只用極少量的標註資料來學習動作條件。剩下的所有強化學習訓練，全部在它自己腦內推演的高保真世界模型裡完成。最終，Dreamer 4 在沒有任何實機互動的情況下成功挖到了鑽石。

為什麼重要

我們認為，這項研究真正的價值從來不是通關《我的世界》，而是給具身智慧和機器人領域指明瞭一條可行的路線。

在機器人領域，讓機械臂或四足機器人在真實物理世界裡做幾萬次暴力試錯，既危險又極其緩慢。如果摔壞了零件，實驗就得停下來修。但如果在現實中只蒐集無標籤的影片資料，再讓智慧體在精準的世界模型裡「白嫖」幾萬小時的腦內模擬，訓練成本會呈指數級下降。

Dreamer 4 的聰明之處在於，它證明了即使只有少量動作標註，模型也能通過海量無標籤影片補齊通用的世界認知，並且能在單張 GPU 上完成低延遲的推演。這就讓純離線的長程決策從理論走向了可用。

不過，虛擬遊戲雖然機制複雜，其物理規則依然是確定的程式碼邏輯。當這套方案移植到真實物理世界時，感測器噪聲、光照變化以及現實材料形變，會不會瞬間打破世界模型的幻想，依然是接下來最大的懸念。但這無疑是具身智慧走向純離線學習極為漂亮的一步。