우리는 1,000개 이상의 게임에 걸쳐 총 4만 시간에 달하는 게임 플레이 영상을 기반으로 훈련된, 일반화된 게이밍 에이전트를 위한 시각-행동 기반 모델인 NitroGen을 소개한다. 본 연구는 세 가지 핵심 요소를 통합한다. 첫째, 공개된 게임 플레이 영상에서 자동으로 플레이어의 행동을 추출하여 구축한 인터넷 규모의 비디오-행동 데이터셋이다. 둘째, 다수의 게임 간 일반화 능력을 측정할 수 있는 다게임 벤치마크 환경이다. 셋째, 대규모 행동 클로닝(behavior cloning)을 통해 훈련된 통합형 시각-행동 모델이다. NitroGen은 3D 액션 게임에서의 전투 상황, 2D 플랫포머 게임에서의 고정밀 제어, 프로시저 생성(world) 환경에서의 탐색 등 다양한 영역에서 뛰어난 성능을 보인다. 또한, 훈련된 적이 없는 새로운 게임에 효과적으로 전이되며, 기존의 처음부터 훈련된 모델 대비 작업 성공률에서 최대 52%의 상대적 개선을 달성한다. 본 연구에서는 데이터셋, 평가 도구 및 모델 가중치를 공개하여 일반화된 신체적 에이전트(embodied agents) 연구의 발전을 촉진하고자 한다.