NVIDIA、キャラやロボットの動作をリアルタイム生成する「MotionBricks」をオープンソース公開

MotionBricksは、NVIDIAがオープンソースで公開したリアルタイム動作生成モデルです。デジタルキャラクターや人型ロボットの運動遷移を、まるでブロックを組み立てるように自然かつ直感的に生成できます。

使い方はシンプルで、直前の4つのポーズと、到達したい1〜4つの目標ポーズを与えるだけです。モデルがその間を埋める滑らかな遷移アニメーションをミリ秒単位でリアルタイム生成します。障害物を跳び越える、椅子に座るといった複雑な物体インタラクションも、追加の再学習なしでレゴブロックのように自在に連結できます。

仕組みと生成プロセス

従来のキーフレーム補間やステートマシンによるブレンドは調整に膨大な工数がかかりました。MotionBricksは、役割分担された3つの学習モジュールでこの問題を解決しています。

まずルートモジュールが全体の移動軌跡と所要時間を予測します。次にマスクド・トークン・トランスフォーマーがその軌道に沿った動作トークンを予測し、最後にVQ-VAEデコーダーが離散トークンを連続的で滑らかな骨格動作へと復元します。

1回の生成で6〜16トークン、時間にして約0.6〜1.9秒分の30Hz動作を出力します。生成された動作を再生しながら最後の4ポーズを次の生成コンテキストとして循環させることで、歩行、疾走、カメラを向いたままの平行移動、ゾンビ歩行といった多様な動きを途切れなく繋ぎ合わせることが可能です。

特筆すべきはその処理速度で、最大で毎秒15,000フレームの生成能力を持ち、遅延は約2ミリ秒に抑えられています。ゲームエンジンや実機ロボットのリアルタイム制御に余裕で組み込める性能です。

リポジトリの構成と動作環境

公開されたリポジトリには、SOMA人体モデル用とUnitree G1人型ロボット用の2種類の事前学習済みモデルが含まれています。モデルサイズはそれぞれ約800MBで、同一のランタイムパイプライン上で稼働します。

付属するアプリも充実しています。ポーズ間の補間をテストするInbetweener、歩行や障害物アクションを試せるScene Preview、さらに独自のアクションやシーンを構築するための2つの専用エディタが用意されています。

動作環境にはNVIDIA製GPUが必須で、公式検証はGeForce RTX 4090搭載のWindowsおよびLinux環境で行われています。パッケージ管理ツールのuvとGit LFSを導入すれば、リポジトリをクローンして同梱のONNXモデルから即座にデモを起動できます。初回起動時にTensorRTエンジンが自動構築され、次回以降は高速に立ち上がります。

ライセンスはソースコードがApache 2.0、Hugging Faceで配布されるモデル重みは商用利用も可能なNVIDIA Open Model Agreementが適用されています。

なぜ重要か

ゲーム開発者やアニメーターにとって、キャラクターの行動パターンごとに複雑なブレンドツリーを組み上げる苦労から解放される意味は大きいです。目標ポーズを数点配置するだけで、自然な環境適応モーションが手に入ります。

さらにロボット工学の観点では、人体骨格とUnitree G1という全く異なるリグを全く同じパイプラインで動かせる実用性を示した点が注目されます。高次のタスク指示と低次の関節制御の間を埋める超高速なキネマティクス生成基盤として機能します。

すべてを1つの巨大モデルに丸投げするのではなく、モジュール構造と超低遅延補間に絞った設計は極めて実用的です。GeForce環境がある開発者なら、まずは付属のScene Previewを動かしてみる価値が十分にあります。