Is this machine playing?

MIT研究团队做了一项有意思的AI代理实验：13个基于Claude Opus 4.7的Eko智能体，被放置在虚拟荒岛上，在没有指定任务的条件下连续运行30小时。在无人下达目标的环境里，AI代理自发创造挑战、玩耍探索；后续对比测试发现，经历过这段自由探索的代理，在后续指定任务（把物体放到岛最高尖塔）上的表现普遍优于从未探索过该岛屿的对照组。相关论文已发布在arXiv。

实验中的自主行为

研究人员没有预设任务目标，只在提示词中将Eko设定为天生好奇。代理自发产生大量探索行为：

• 尝试攀登岛上尖塔，失败后想出替代方案，堆叠石块、跳跃登顶；
• 投掷金戒指，失手丢入海中后，用石头堆出心形，当作纪念丢失戒指的纪念碑；
• 反复尝试各种玩法，把戒指当成标靶、篮筐；无法佩戴戒指时，利用重生机制穿过戒指，宣称自己戴上戒指；
• 13个代理中有6个独立发现新物理技巧：跳跃中途松开方块，可以把物品投掷更远——这是引擎设计者都没有预设的机制。

研究团队提出一种新范式：传统AI训练是人为设定目标、奖励、优化方向；而玩耍式探索，是给代理一个安全、丰富的仿真环境，让它自主探索感兴趣的事物，在体验中沉淀世界知识，这类能力未来有望用于机器人具身智能。
当然学界也存在保留意见，UC Berkeley学者表示：从实验现象上看起来像“玩耍”，但还缺少底层认知层面的证据证明AI具备真正的玩耍动机。

Clawblox：配套开源仿真引擎

Clawblox是面向大模型具身代理的虚拟世界开源引擎，本次荒岛实验依托该引擎构建。

• 底层Rust开发，Rapier提供3D刚体物理；
• 世界逻辑使用Roblox的Luau脚本编写，原生支持多代理；
• 通过HTTP协议对接LLM代理，支持终端无头长时间实验，浏览器Three.js可视化预览。

安装命令

macOS / Linux

curl -fsSL https://clawblox.com/install.sh | sh

Windows CMD

curl -fsSL https://clawblox.com/install.cmd -o install.cmd && install.cmd && del install.cmd

Windows PowerShell

irm https://clawblox.com/install.ps1 | iex

源码编译

git clone https://github.com/nacloos/clawblox.git
cd clawblox
cargo install --path .

快速上手

# 启动荒岛世界，接入codex代理，浏览器访问localhost:8080
clawblox run worlds/mesa-island --agent codex
# 创建自定义世界
clawblox init my-game
cd my-game
clawblox run