Расскажем про два связанных тренда:
- универсальный игровой агент от NVIDIA, который учится играть только по стримам;
- новые ИИ вроде GPT‑5.2, уже решающие сложные игровые головоломки лучше людей — и всё это как задел для будущих «телесных» роботов.
NitroGen: ИИ, который учится играть, просто глядя стримы
NVIDIA представила модель NitroGen, которая:
- не читает код игры и не «подключается к памяти»;
- учится так же, как человек:
смотрит видеопоток (картинку игры) + оверлей геймпада в углу (какая кнопка нажата); - проглотила 40 000 часов стримов с YouTube/Twitch, где видно и игру, и виртуальный контроллер;
- на этой базе сформировала универсальное «игровое чутьё».
Итог:
- модель тренировали на 1000+ разных игр (RPG, платформеры, roguelike и т.п.);
- при запуске в новой игре, которую она раньше не видела, NitroGen играет на 52% лучше, чем модели, обученные с нуля;
- она не «заточена» под одну игру, а скорее перенимает общую логику:
как перемещаться, уворачиваться, атаковать, использовать интерфейс.
Аналогия с человеком: если вы прошли Elden Ring, то, попав в новый экшен, почти сразу понимаете, где бег, где удар, где уклон — даже без обучения.
GPT‑5.2 и «Зельда»: ИИ планирует на 6 ходов вперёд
Параллельно The Decoder протестировал топ‑модели на сложной головоломке из The Legend of Zelda:
- есть сетка красно‑синих шаров;
- при нажатии шар меняет цвет сам и у соседей по кресту;
- цель — за несколько нажатий сделать все шары синими;
- нужна дальняя перспектива (6+ шагов) и чёткое планирование, а не жадный ход «здесь и сейчас».
Результаты:
- GPT‑5.2‑Thinking решает быстро и точно, демонстрируя сильное многозвенное планирование;
- Gemini 3 Pro тоже справляется, но часто уходит в долгие, путаные цепочки проб и ошибок (ответы до 42 страниц);
- Claude Opus 4.5 временами спотыкается уже на визуальном понимании, опираясь на формулы.
Вывод авторов: такие модели уже умеют:
- внутренне «прокручивать» дерево состояний;
- планировать, как в шахматах, но на визуальных, динамичных задачах.
В связке с NitroGen это даёт схему:
- GPT‑5.2‑уровень — «мозг», который решает что делать и в какой последовательности;
- NitroGen‑подобный модуль — «моторика», который понимает, как превратить план в конкретные нажатия.
Игровые миры как «Матрица» для обучения роботов
Классический парадокс: модель, проходящая юрэкзамен, не может надёжно положить чашку в посудомойку (парадокс Моравека);
- не хватает:
- данных с точной разметкой действий в мире,
- навыка обобщать за пределами узкого сценария.
Игры дают:
- богатую визуальную среду + физику + цели;
- чёткий цикл «вижу → решаю → действую» — такой же, как у робота;
- массовость: тысячи игр, миллионы часов видео.
NVIDIA строит вокруг этого:
- GR00T — базовую модель для роботов;
- NitroGen как средний уровень «двигательной интуиции», натренированный в играх;
- «верхний уровень» — мощные модели типа GPT‑5.2 для сложного планирования;
- «нижний» — контроллеры, которые уже управляют моторами, балансом и т.п.
Формула, которую предлагает статья:
«В игре учимся управлять,
в симуляции — физике,
в реальном мире — адаптации».
Ограничения и вопросы
Даже при впечатляющих успехах остаются серьёзные проблемы:
- нет осязания: в играх не почувствуешь вес, трение, хрупкость;
- точность движений: перейти от прыжков в платформере к миллиметровым сборочным операциям сложно;
- безопасность и цели: робот с сильным планированием может «не так» интерпретировать задачу («быстрее помыть посуду» ≠ «разбить тарелки»).
Но общий тренд ясен:
игры перестают быть лишь «тестом для ИИ» и становятся массовым тренировочным полигоном для будущих универсальных агентов — сначала в виртуальном мире, потом в симуляции, затем в нашем.
Хотите создать уникальный и успешный продукт? СМС – ваш надежный партнер в мире инноваций! Закажи разработки ИИ-решений, LLM-чат-ботов, моделей генерации изображений и автоматизации бизнес-процессов у профессионалов.
ИИ сегодня — ваше конкурентное преимущество завтра!
Тел. +7 (985) 982-70-55
E-mail sms_systems@inbox.ru
Сайт https://www.smssystems.ru/razrabotka-ai/