英伟达推出通用AI智能体 NitroGen：从4万小时游戏视频进化成“全能玩家”

英伟达（NVIDIA）近日在通用人工智能（AGI）方向迎来全新进展，发布一款名为NitroGen的游戏智能体基础模型。不同于只服务单一任务的 AI，NitroGen 基于 OpenVision 的动作模型而构建，目标是成为可在多种虚拟世界来去自如的“通用代理”。

为让 NitroGen 掌握复杂的操作思路，研究团队挖掘了一个此前较少被系统利用的“宝库”：YouTube 与 Twitch 上带控制器叠加层的游戏实况视频。通过学习覆盖1000多款游戏、累计超过4万小时的玩家录屏，NitroGen 学会了如何依据视觉反馈直接生成操作指令。研究人员借助模板匹配与经微调的 SegFormer 模型，从海量视频中精准还原玩家的实时按键输入。

在架构层面，NitroGen 深度融合了英伟达此前发布的GR00T N1.5 机器人模型，使其具备良好的跨平台适配能力。测试结果显示，NitroGen 可胜任动作角色扮演、平台跳跃、Roguelike 等多种风格的游戏；即使面对全新、从未见过的游戏环境，其成功率也比从头训练的模型高出 52%，进一步佐证了机器人基础模型在虚拟场景中的通用性。

目前，由英伟达、斯坦福与加州理工学院等一流学术机构组成的联合团队，已将该项目的论文、代码及相关数据集全面开源，推动全球 AI 社区在具身智能与通用代理方向的持续探索。

划重点:

• 🎮 数据规模驱动: 基于 YouTube 与 Twitch 超过 4 万小时的游戏视频训练，通过识别画面中的手柄叠层按键，学习人类玩家的操作逻辑。

• 🚀 通用性出众: 作为通用智能体，NitroGen 在陌生游戏任务中的成功率较传统从零训练模型提升 52%。

• 🔓 开放共享: 团队已公开模型权重、代码与数据集，为通用 AI 智能体的发展奠定关键基础。

如果你想进一步了解 NitroGen 的技术细节，我可以详细讲讲它如何从视频中恢复和提取操作指令，要不要继续看下去？