视觉-动作基础模型

NitroGen：面向通用游戏智能体的开放基础模型

NitroGen: An Open Foundation Model for Generalist Gaming Agents

从公开游戏视频中自动抽取玩家动作，构建互联网规模的视觉-动作对，并用大规模行为克隆训练跨游戏可迁移的视觉-动作基础模型；这套「视频→动作标注→预训练→下游微调」的流程可直接迁移到机器人操作等视觉-动作策略学习场景。