Chiudi menu
GomootGomoot
    sabato 21 Novembre 2026
    X (Twitter) Threads Mastodon Bluesky WhatsApp
    GomootGomoot
    • Home
    • Computer
      • Mini PC
      • Laptop
      • Monitor
      • Teoria
      • Mouse
      • GPU
      • Windows
      • Motherboard
      • Tastiere
    • Tech
      • Curiosità
      • Eventi
      • memory cards
      • Powerbank
      • Smartwatch
      • Gadgets
      • Speaker Bluetooth
      • Intelligenza artificiale
      • Offerte
      • Software
    • Mobile
      • Tablet
      • Smartphone
    • Musica
      • Cuffie
      • DAC
      • hi-fi
      • Teoria
    • Lifestyle
      • Criptovalute
      • EV
      • Gaming
      • Trekking
      • Scienze
    GomootGomoot
    Home»Tech»Intelligenza artificiale»NitroGen: il modello AI per il gaming costruito dai video degli streamer
    Intelligenza artificiale

    NitroGen: il modello AI per il gaming costruito dai video degli streamer

    NitroGen di NVIDIA: come l'AI impara a giocare analizzando migliaia di video streamer. NVIDIA apre la strada agli agenti per il gaming.
    GrazianoGraziano29/12/2025Aggiornato:29/12/202533
    Condividi Twitter WhatsApp Bluesky Threads
    nitrogen

    NVIDIA ha rilasciato NitroGen, un modello di intelligenza artificiale capace di giocare ai videogiochi commerciali. Il sistema è stato addestrato su 40.000 ore di gameplay raccolte da oltre 1.000 titoli diversi, senza bisogno di accedere al codice dei giochi o a costose sessioni di raccolta dati con operatori umani. La chiave sta nell’utilizzo di video pubblici che mostrano gli input overlay; ovvero quelle visualizzazioni del controller che molti streamer inseriscono negli angoli dello schermo durante le trasmissioni. Il team ha raccolto inizialmente 71.000 ore di materiale grezzo; poi filtrato in base alla densità delle azioni per eliminare segmenti troppo statici.

    nitrogen

    Il risultato finale comprendeva 38.739 video provenienti da 818 creatori; 846 giochi hanno almeno un’ora di dati, 91 superano le 100 ore e 15 titoli contano più di 1.000 ore ciascuno. Gli action RPG dominano con il 34,9% del totale. Sono seguiti dai platform al 18,4% e dai giochi action-adventure al 9,2%.

    NitroGen : estrazione automatica delle azioni dai controller virtuali

    NitroGen utilizza una pipeline in tre fasi che trasforma le immagini degli overlay in comandi precisi. Prima localizza il controller usando circa 300 template diversi. NitroGen campiona 25 fotogrammi per video; quindi confronta le caratteristiche tra frame e template e stima una trasformazione affine quando almeno 20 corrispondenze sono affidabili.

    Questa fase produce un ritaglio della regione del controller per tutti i fotogrammi. Successivamente un modello SegFormer ibrido analizza i ritagli; prende due frame consecutivi concatenati e genera le posizioni degli stick analogici su una griglia 11×11 più gli stati binari dei pulsanti. L’addestramento avviene su 8 milioni di immagini sintetiche con variazioni di opacità, dimensioni e compressione.

    Architettura del modello e addestramento su larga scala

    Il modello si basa su un’architettura chiamata GR00T N1, pensata per agenti che devono agire in ambienti virtuali. La struttura è semplificata, prende immagini del gioco e produce comandi per il controller; il tutto senza bisogno di processare testo o dati complessi. Ogni fotogramma viene ridotto a 256×256 pixel e analizzato da un componente chiamato SigLIP-2; questo trasforma l’immagine in 256 elementi comprensibili per la macchina. Un secondo componente genera sequenze di 16 azioni consecutive; durante l’apprendimento, NitroGen sistema gradualmente previsioni inizialmente imprecise fino a ottenere comandi coerenti.

    Il modello finale contiene 493 milioni di parametri; prevede contemporaneamente lo stato di 17 pulsanti e la posizione di 2 stick analogici per i prossimi 16 istanti. L’addestramento si basa esclusivamente sull’imitazione di ciò che fanno i giocatori nei video, senza sistemi di premi o punizioni; per rendere il modello robusto vengono applicate variazioni casuali alle immagini come cambi di luminosità, colori alterati, piccole rotazioni e ritagli diversi.

    Un simulatore universale per testare giochi diversi

    NitroGen include un simulatore universale che gli permette di giocare a qualsiasi gioco Windows attraverso un’interfaccia standardizzata. Il sistema intercetta l’orologio interno che il gioco usa per calcolare movimenti e fisica; permette di avanzare fotogramma per fotogramma in modo controllato. Il modello osserva singole immagini del gioco; i comandi seguono uno schema unificato con 16 tasti digitali del gamepad (direzionale, pulsanti frontali, grilletti, pressione degli stick, start e back) più 4 valori continui per le posizioni dei due stick analogici.

    Questa standardizzazione consente di usare lo stesso cervello artificiale su giochi completamente diversi tra loro. L’ambiente di test copre 10 titoli commerciali e 30 compiti; 5 giochi bidimensionali (tre a scorrimento laterale e due con visuale dall’alto) e 5 tridimensionali (due a mondo aperto, due action RPG focalizzati sul combattimento e uno sportivo). I compiti includono 11 sfide di combattimento, 10 di esplorazione e 9 obiettivi specifici per ogni gioco.

    NitroGen e prestazioni su nuovi giochi

    Dopo il pre-training completo NitroGen raggiunge tassi di completamento dei task sorprendentemente alti in valutazione zero-shot; cioè senza ulteriore fine-tuning specifico per gioco. Le percentuali medie variano dal 45% al 60% su combat, navigazione e task specifici, sia in 2D che in 3D. Per verificare quanto il modello funzioni su giochi nuovi, il team esclude un titolo dall’addestramento iniziale; poi lo allena specificatamente su quel gioco usando sempre la stessa quantità di dati e risorse.

    Su un gioco roguelike con visuale dall’alto partire da NitroGen garantisce risultati migliori del 10% rispetto a iniziare da zero; su un gioco d’azione tridimensionale il vantaggio medio arriva al 25%, mentre in alcuni combattimenti con pochi dati disponibili (30 ore) il miglioramento raggiunge il 52%. Questi numeri dimostrano che addestrare prima il modello su molti giochi diversi facilita poi l’apprendimento su titoli specifici, rendendo più accessibile lo sviluppo di agenti per nuovi videogiochi. NVIDIA ha reso pubblici il dataset, gli strumenti di valutazione e il modello stesso per supportare la ricerca sugli agenti generalist.

    NitroGen: punto di partenza per gli agenti AI nei videogiochi

    NitroGen rappresenta un cambio di approccio nello sviluppo di agenti per videogiochi. Invece di richiedere costose sessioni di raccolta dati o accesso privilegiato al codice dei giochi, sfrutta contenuti già disponibili pubblicamente su internet, abbattendo drasticamente i costi e i tempi necessari.

    Il modello potrà essere utilizzato come base di partenza per creare assistenti virtuali nei giochi, sistemi di test automatizzati per gli sviluppatori, o agenti dimostrativi che aiutino i giocatori a superare sezioni difficili. L’aspetto più rilevante è la capacità di trasferire competenze tra titoli diversi: un singolo addestramento su larga scala produce un modello che si adatta rapidamente a nuovi giochi con meno dati specifici.

    Rendendo pubblici documentazione, dataset, codice e pesi del modello, NVIDIA permette a ricercatori e sviluppatori di costruire soluzioni personalizzate senza ripartire da zero.

    Resta aggiornato

    Segui Gomoot

    Le nostre recensioni e notizie, dove le cerchi già.

    Aggiungi Gomoot alle tue fonti preferite su GoogleCi trovi più spesso tra le notizie in evidenzaSegui il canale WhatsAppLe novità di ogni giorno sul telefono
    nitrogen nvidia
    Articolo precedenteGStreamer 1.26.10 migliora Flac, Opus, Matroska e streaming adattativo
    Articolo successivo AGM G3 Pro, smartphone rugged 5G con ricarica wireless
    Graziano
    • Sito web

    Ho visto l'informatica nascere con il C64 e oggi seguo con lo stesso entusiasmo l'evoluzione verso mini PC e desktop SFF. Fuori dal lavoro, le mie passioni sono i film, il trekking, la bici e la corsa. Ma non disdegno una sessione di gaming o programmazione!

    Articoli collegati

    Anello iridescente nei toni blu e viola, simbolo astratto di Gemini 4 Neon
    Intelligenza artificiale

    Gemini 4 Neon, come va il nuovo modello intermedio di Google

    21/11/2026
    Intelligenza artificiale

    Giochi creati dall’AI in pochi kilobyte: cosa insegnava già il Commodore 64

    18/11/202681 visite
    Laptop con terminale Qwen Code e scritta Qwen4-Max su sfondo scuro
    Intelligenza artificiale

    Qwen4-Max, il nuovo modello di punta di Alibaba, lavora di più spendendo meno

    17/11/202615 visite
    Aggiungi un commento
    Lascia un commento Annulla risposta

    Ultimi articoli
    Anello iridescente nei toni blu e viola, simbolo astratto di Gemini 4 Neon

    Gemini 4 Neon, come va il nuovo modello intermedio di Google

    21/11/2026

    Pixel 11 Pro, lo smartphone compatto di Google

    20/11/2026
    Garmin Instinct E nero con display digitale davanti a un paesaggio montano stilizzato

    Garmin Instinct E, l’orologio outdoor più leggero di Garmin

    19/11/202643 visite

    Impossible OS, l’alternativa a Windows che non usa Linux né emulatori

    19/11/202653 visite
    HP OmniBook X Flip 14 in modalità tenda con schermo Windows 11 e penna sul tavolo

    HP OmniBook X Flip 14 con Core Ultra 5 325: Panther Lake e OLED in un convertibile da mille euro

    19/11/2026

    realme 16 Pro+ 5G, il medio gamma sottile che fotografa bene le persone

    18/11/202616 visite
    Gomoot
    X (Twitter) Bluesky WhatsApp Threads Mastodon
    • Home
    • Tech
    • Mobile
    • Privacy
    • Contatti
    • Chi siamo
    Torna su© 2026 GOMOOT.COM

    Scrivi qui sopra e premi Invio per cercare. Premi Esc per annullare.