英偉達（NVIDIA）近期展示了其在通用人工智能(AGI)領域的最新突破，推出了一款名為NitroGen的游戲智能體基礎模型。與傳統(tǒng)單一用途的 AI 不同，NitroGen 是一款基于 OpenVision 的動作模型，旨在成為能夠穿梭于各種虛擬世界的“通用代理”。

為了讓 NitroGen 掌握復雜的操控邏輯，研究團隊挖掘了一個此前被學術界忽視的“寶庫”:YouTube 和 Twitch 上帶有控制器疊加層的游戲視頻。通過分析1000多款游戲、總計超過4萬小時的玩家錄像，NitroGen 學會了如何根據(jù)視覺反饋直接生成操作指令。AIbase 了解到，研究人員利用模板匹配和微調(diào)后的 SegFormer 模型，精準地從海量視頻中提取出了玩家的實時按鍵輸入數(shù)據(jù)。

在技術架構上，NitroGen 深度集成了英偉達此前發(fā)布的GR00TN1.5機器人模型，這使得它具備了跨平臺的適應能力。測試數(shù)據(jù)顯示，NitroGen 能夠勝任動作角色扮演、平臺跳躍、Roguelike 等多種完全不同風格的游戲類型。即使被置于完全陌生、未曾見過的游戲環(huán)境中，它的表現(xiàn)也比從頭訓練的模型成功率高出52%，充分證明了機器人基礎模型在虛擬環(huán)境中的通用性。

目前，這支由英偉達、斯坦福及加州理工學院等頂尖學術機構組成的聯(lián)合研究團隊，已正式將該項目的論文、代碼及相關數(shù)據(jù)集開源，旨在推動全球 AI 社區(qū)在具身智能和通用代理領域的進一步探索。

劃重點: