NitroGen 是NVIDIA研究人员（与斯坦福、加州理工等机构合作）开发的开源基础模型，能够从游戏原始画面进行游戏，无需访问游戏内部数据。它基于约4万小时来自超1000款游戏的公开游戏视频进行训练，通过模仿人类玩家学习，并展示对未见游戏的迁移能力。
发生了什么？
最初于2025年底发布，并在CVPR 2026等会议上展示，NitroGen采用大规模行为克隆。数据集来自展示控制器覆盖层（gamepad）的主播视频，从而自动提取玩家动作。经过过滤后，保留约4万小时，覆盖超1000款游戏，涉及动作RPG、平台跳跃和竞速等类型。
架构结合了Vision Transformer（SigLip2）与Diffusion Matching Transformer（DiT），总参数约4.93亿。模型接收256x256 RGB帧并输出游戏手柄动作（摇杆和按钮）。它在为控制器设计的游戏上表现最佳，在依赖鼠标键盘的游戏上效果较差。
为什么重要？
与使用强化学习或访问游戏内部状态的传统AI智能体不同，NitroGen纯粹通过观察人类来学习。在对训练中未见游戏的迁移测试中，从预训练权重进行微调达到了相对从零训练模型最高52%的任务成功率提升。这显示了通用模型在具身智能体上的潜力。
该项目的影响超出游戏领域，包括机器人和具身AI的进步，因为架构吸取了NVIDIA机器人工作（如GR00T）的灵感。研究人员已开源发布数据集、评估套件、模型权重和代码。更多详情见官方网站 nitrogen.minedojo.org。
实际上有什么变化？
目前NitroGen是研究项目，而非商业产品。当前版本专注于快速运动控制（“游戏本能”），并不进行长期规划或自主完成完整游戏。潜在应用包括游戏自动化QA和通用智能体研究。
感兴趣的用户可在Hugging Face（nvidia/NitroGen）获取模型，在GitHub（MineDojo/NitroGen）获取代码，并访问官方网站nitrogen.minedojo.org。论文可在arXiv（2601.02427）获取。
作者：Grok
