导读：英伟达联合多所名校推出了AI游戏大神：NitroGen，它靠4万小时游戏视频自学成才，既能搞定3D动作游戏的激战，又能玩转2D平台的精准操作，还能快速适配没玩过的新游戏，给通用AI的发展带来了新可能。

之前的游戏AI，要么只能专精某一款游戏，训练成本极高。要么需要复杂的定制化设计，很难推广到多款游戏。

为了解决这个问题，英伟达联合斯坦福大学、加州理工学院等多所顶尖院校的研究团队，推出了一款名为NitroGen的通用游戏智能体。

这款智能体通过学习4万小时、涵盖1000多款游戏的视频内容，练就了跨游戏作战的本领，真正实现了“打通上千款游戏”的突破。

这上千款游戏覆盖了丰富的类型，其中动作角色扮演类游戏占比最高，达到总时长的34.9%，其次是平台跳跃类（18.4%）和动作冒险类（9.2%），还包括竞速、格斗 Royale、角色扮演、 Roguelike 等共10个 genre。

开发团队先是搭建了一个庞大的数据集，从7.1万小时的原始视频中筛选出4万小时有效内容。同时，他们还开发了一个通用模拟器，能给任意商业游戏套上标准化的操作接口，让NitroGen不用针对不同游戏单独适配，就能直接上手。

NitroGen的核心是一个视觉-动作转换模型，它能把游戏画面转化为对应的操作指令，一次生成16个连续动作，保证了游戏操作的流畅性。这种“统一接口+视觉动作转换”的组合，让其能快速适配不同类型、不同操作逻辑的上千款游戏，不用为每款游戏单独开发适配方案。

经过测试，没经过任何专项微调的NitroGen，在包含30个不同任务的测试集中表现亮眼，在2D、3D等不同类型游戏的战斗、导航、特色任务中都能完成不少复杂操作。

更值得一提的是，当把它用到没学过的新游戏上时，只需少量数据微调，任务成功率就能比从零开始训练的模型最高提升52% ，充分展现了它跨游戏适配的通用能力。

研究团队已经公开了NitroGen的数据集、模拟器和预训练权重，希望能为通用智能体的研究提供助力。

HuggingFace项目链接：

https://huggingface.co/nvidia/NitroGen