巫師3、茶杯頭、賽博朋克2077都能玩：英偉達把會打1000多款游戲的大模型全開源了

NVIDIA 研究團隊近日開源發布了 NitroGen——一個以“玩游戲”為核心訓練目標的基礎模型，覆蓋 1000 多款不同類型的游戲，包括 RPG、平臺跳躍、吃雞、賽車，以及 2D / 3D 等多種形態。

但其目標并非打造“更強的游戲 AI”，而是探索一種更具普適性的具身智能訓練范式：在大規模模擬環境中，學習跨物理規則的通用運動控制能力。

研究團隊發現，最初為機器人場景設計的 GR00T N1.5 架構，在幾乎不做結構性修改的情況下，就可以遷移到游戲環境中，并適配機制差異極大的任務。這一結果再次驗證了“苦澀教訓（Bitter Lesson）”在具身智能領域的有效性：
一、一個 4 萬+ 小時、高質量、來自真實世界的公開視頻游戲數據集；
二、一個用于連續運動控制、能力極強的基礎模型；
三、一個 Gym API，可以把任何游戲二進制程序封裝起來跑 rollout。

其中，數據集本身也是 NitroGen 的關鍵底座之一：該數據集規模龐大且種類繁多——包含 800 多款游戲，每款游戲的數據時長均超過 1 小時；另有 15 款游戲的數據時長均超過 1000 小時。游戲類型涵蓋動作角色扮演、平臺跳躍、動作冒險、體育、類銀河戰士惡魔城、Roguelike 等。

在數據構建層面，團隊采用了一種頗具工程巧思的方法。大量游戲玩家會在視頻中疊加實時手柄輸入，用于展示操作技巧。研究人員訓練了一個分割模型，自動識別并提取這些手柄顯示區域，將其轉化為“專家級動作標簽”；同時對該區域進行遮擋，避免模型通過視覺捷徑“作弊”。在此基礎上，GR00T N1.5 的一個變體通過 Diffusion Transformer，直接學習從像素到動作的映射關系。

值得注意的是，NitroGen完全開源：包括預訓練權重、完整動作數據集、訓練與推理代碼，以及一份技術細節充分的白皮書。

在更宏觀的視角下，研究者提出了一個頗具挑釁意味的判斷：“今天，機器人學幾乎是所有困難 AI 問題的‘超集’；明天，它可能只是具身 AGI 巨大潛在空間中的一個子集。 ”

如果這一判斷成立，未來的機器人控制，或許將不再是手工設計的系統工程，而更像是一次“prompt”：按需生成、即取即用。