巫师3、茶杯头、赛博朋克2077都能玩：英伟达把会打1000多款游戏的大模型全开源了

NVIDIA 研究团队近日开源发布了 NitroGen——一个以“玩游戏”为核心训练目标的基础模型，覆盖 1000 多款不同类型的游戏，包括 RPG、平台跳跃、吃鸡、赛车，以及 2D / 3D 等多种形态。

但其目标并非打造“更强的游戏 AI”，而是探索一种更具普适性的具身智能训练范式：在大规模模拟环境中，学习跨物理规则的通用运动控制能力。

研究团队发现，最初为机器人场景设计的 GR00T N1.5 架构，在几乎不做结构性修改的情况下，就可以迁移到游戏环境中，并适配机制差异极大的任务。这一结果再次验证了“苦涩教训（Bitter Lesson）”在具身智能领域的有效性：
一、一个 4 万+ 小时、高质量、来自真实世界的公开视频游戏数据集；
二、一个用于连续运动控制、能力极强的基础模型；
三、一个 Gym API，可以把任何游戏二进制程序封装起来跑 rollout。

其中，数据集本身也是 NitroGen 的关键底座之一：该数据集规模庞大且种类繁多——包含 800 多款游戏，每款游戏的数据时长均超过 1 小时；另有 15 款游戏的数据时长均超过 1000 小时。游戏类型涵盖动作角色扮演、平台跳跃、动作冒险、体育、类银河战士恶魔城、Roguelike 等。

在数据构建层面，团队采用了一种颇具工程巧思的方法。大量游戏玩家会在视频中叠加实时手柄输入，用于展示操作技巧。研究人员训练了一个分割模型，自动识别并提取这些手柄显示区域，将其转化为“专家级动作标签”；同时对该区域进行遮挡，避免模型通过视觉捷径“作弊”。在此基础上，GR00T N1.5 的一个变体通过 Diffusion Transformer，直接学习从像素到动作的映射关系。

值得注意的是，NitroGen完全开源：包括预训练权重、完整动作数据集、训练与推理代码，以及一份技术细节充分的白皮书。

在更宏观的视角下，研究者提出了一个颇具挑衅意味的判断：“今天，机器人学几乎是所有困难 AI 问题的‘超集’；明天，它可能只是具身 AGI 巨大潜在空间中的一个子集。 ”

如果这一判断成立，未来的机器人控制，或许将不再是手工设计的系统工程，而更像是一次“prompt”：按需生成、即取即用。