NitroGen：用于通用游戏智能体的开放基础模型
计算机视觉与模式识别
2026-01-07 v1 人工智能
机器学习
摘要
我们介绍 NitroGen，这是一个面向通用游戏智能体的视觉-动作基础模型，训练数据来源于 40,000 小时的游戏play视频，覆盖超过 1,000 个游戏。我们引入了三个关键要素：1）由自动从公开游戏视频中提取玩家动作构成的互联网规模视频-动作数据集，2）能够衡量跨游戏泛化能力的多游戏基准环境，3）基于大规模行为克隆训练的统一视觉-动作模型。NitroGen 在多样化领域展现出强大的能力，包括 3D 动作游戏中的战斗场景、2D 平台游戏中的高精度控制以及程序化生成世界中的探索任务。它对未见游戏表现出良好的迁移能力，在任务成功率上相对于从头训练的模型提升了最高 52%。我们发布数据集、评估套件和模型权重，以推动通用具身智能体研究的发展。
引用
@article{arxiv.2601.02427,
title = {NitroGen: An Open Foundation Model for Generalist Gaming Agents},
author = {Loïc Magne and Anas Awadalla and Guanzhi Wang and Yinzhen Xu and Joshua Belofsky and Fengyuan Hu and Joohwan Kim and Ludwig Schmidt and Georgia Gkioxari and Jan Kautz and Yisong Yue and Yejin Choi and Yuke Zhu and Linxi "Jim" Fan},
journal= {arXiv preprint arXiv:2601.02427},
year = {2026}
}
备注
16 pages, 7 figures