ResearchMan← Technology
ARDY
Research商用OK (Apache-2.0)#Motion/Body#CreatorTools

ARDY

NVIDIA (ETH Zürich共同研究)/2026-07

Overview

NVIDIAとETH Zürichが開発した、テキストの指示だけでリアルタイムに人体の3Dモーションを生成し続けられるAIモデル。1コマの生成がわずか約33ミリ秒で、動かしながら指示を変えられる。

技術のポイント

従来のAIモーション生成は、動きをまとめて計算してから確認する「オフライン」方式が主流で、狙い通りの動きになっているか確認するには毎回数秒〜数十秒待つ必要がありました。ARDYは、コマ撮りのようにモーションを1コマずつその場で作り続ける「自己回帰」方式を採用し、1コマあたり約33ミリ秒というゲーム並みの速さで動きを生成します。しかもテキストで「歩く→急に走り出す」のような指示を出したり、目的地や姿勢を指定したりしながら、生成中でも自由に方向転換させられるのが特徴です。広告やライブ体験の現場では、モーションキャプチャの役者を呼ばずにその場でナレーションに合わせてバーチャルキャラクターを操作するデモや、来場者の操作でリアルタイムに反応するアバター展示・体験型インスタレーションが作りやすくなります。

技術の詳細

ARDYは、キャラクターの体幹の移動経路(ルートモーション)を明示的な数値で扱い、手足の細かい動きは圧縮された「潜在表現」というコンパクトなデータで扱うハイブリッドな設計です。そのうえで、直前までの動きの履歴を見ながら次の1コマを予測する2段階の変換器(Transformer)が、拡散モデルという仕組みでノイズから滑らかな動きを描き出します。絵コンテを1枚ずつその場で描き足しながら、全体の移動方向と体の細かい動きを同時に整合させていくイメージです。 同じNVIDIAが手がけた前身モデルKimodoは精度は高いものの動きを作るのに時間がかかりオフライン専用でした。逆に既存のリアルタイム系手法は、テキストでの細かい指示や目的地までの正確な誘導が苦手でした。ARDYは両者のいいとこ取りをし、精度を保ったまま軽量な拡散計算(最大4ステップ)に絞ることで対話的な速度を実現しています。 コードはApache-2.0でGitHub公開済み、学習済みモデル重みはHugging Faceから入手でき(商用利用可)、動作にはLinux環境とNVIDIA GPU(RTX 4090で動作確認、目安VRAM14GB前後)が必要です。Webブラウザ上のデモ画面からキーボードでテキスト入力や移動方向を指定しながら試せますが、環境構築には技術者のスキルが必要です。

License

コード本体はApache-2.0。学習済みモデル重みはNVIDIA Open Model License(商用利用を明示的に許可)で別途配布。

Sources

Related Works

  • Kimodo

    同じNVIDIA発の高精度オフライン人体モーション生成モデル

  • MotionBricks

    NVIDIAのゲーム・ロボット向け大規模リアルタイムモーション生成フレームワーク