NVIDIA präsentiert ARDY: Ein neues Modell zur Echtzeit-Generierung menschlicher Bewegungen

Echtzeit-KI-Animation: NVIDIAs ARDY revolutioniert die Bewegungserzeugung

Die Generierung realistischer 3D-Bewegungen für menschliche und humanoide Charaktere in Echtzeit stellt seit Langem eine zentrale Herausforderung in der Computeranimation, Simulation und Robotik dar. Aktuelle Entwicklungen im Bereich der Künstlichen Intelligenz zeigen jedoch vielversprechende Fortschritte. NVIDIA hat mit der Einführung von ARDY (Autoregressive Diffusion with Hybrid Representation for Interactive Human Motion Generation) ein System vorgestellt, das diese Lücke schließen könnte, indem es hochpräzise Bewegungserzeugung mit interaktiver Echtzeitfähigkeit verbindet.

Grundlagen und Funktionsweise von ARDY

ARDY ist ein autoregressives Diffusionsmodell, das speziell für die interaktive Generierung von Bewegungen konzipiert wurde. Es ermöglicht die Erstellung von 3D-Animationssequenzen basierend auf Texteingaben und flexiblen kinematischen Constraints. Das System ist in der Lage, Bewegungen Bild für Bild auszugeben, wodurch eine Echtzeit-Vorschau und Interaktion möglich werden.

Autoregressive Diffusionsmodelle

Autoregressive Modelle zeichnen sich dadurch aus, dass sie eine Sequenz von Daten generieren, wobei jedes neue Element unter Berücksichtigung der zuvor generierten Elemente erstellt wird. Im Kontext von ARDY bedeutet dies, dass jede neue Bewegungspose auf den vorhergehenden Posen aufbaut, was zu kohärenten und flüssigen Animationen führt. Diffusionsmodelle wiederum sind eine Klasse generativer Modelle, die durch das schrittweise Hinzufügen und Entfernen von Rauschen zu Daten lernen, komplexe Datenverteilungen zu modellieren.

Hybride Repräsentation

Ein zentrales Merkmal von ARDY ist seine hybride Repräsentation. Diese kombiniert explizite Root-Features mit einer latenten Repräsentation, was eine präzise Steuerung und gleichzeitig eine hohe Ausdrucksfähigkeit der generierten Bewegungen ermöglicht. Diese Kombination ist entscheidend, um sowohl die Genauigkeit der Bewegungen als auch die Echtzeit-Fähigkeit zu gewährleisten.

Interaktive Steuerungsmöglichkeiten

ARDY bietet vielfältige interaktive Steuerungsmöglichkeiten. Nutzer können durch Texteingaben beschreiben, welche Aktionen ein Charakter ausführen soll. Darüber hinaus können kinematische Constraints wie Root-Pfade, Wegpunkte, Ganzkörper-Keyframes und sogar spärliche Gelenkpositionen oder Rotationen definiert werden, um die Bewegung präzise zu steuern. Diese Flexibilität erlaubt es Entwicklern und Animatoren, detaillierte und spezifische Bewegungsabläufe zu generieren.

Vorteile gegenüber bestehenden Systemen

Bisherige Ansätze zur Bewegungserzeugung ließen sich grob in zwei Kategorien einteilen: Offline-Methoden und Online-Methoden.

Offline-Methoden

Offline-Methoden, wie beispielsweise Modelle, die präzise Kontrolle über Text und kinematische Constraints bieten, sind oft sehr leistungsfähig in Bezug auf die Qualität der generierten Bewegungen. Ihr Hauptnachteil liegt jedoch in der fehlenden Echtzeitfähigkeit. Die Inferenzgeschwindigkeit ist für interaktive Anwendungen in der Regel zu gering, was ihren Einsatz in dynamischen Umgebungen limitiert.

Online-Methoden

Online-Methoden ermöglichen zwar eine Echtzeit-Synthese, opfern aber oft die Kontrollierbarkeit oder haben Schwierigkeiten mit komplexen Textsemantiken und langfristigen Zielen aufgrund begrenzter Kontextfenster. ARDY schließt diese Lücke, indem es die Vorteile beider Ansätze vereint – hohe Fidelity in der Bewegungserzeugung und interaktive Echtzeit-Responsivität.

Anwendungsbereiche und Implikationen

Die Einführung von ARDY hat weitreichende Implikationen für verschiedene Branchen.

Animation und Spieleentwicklung

Im Bereich der Animation und Spieleentwicklung könnte ARDY die Erstellung von Charakteranimationen erheblich beschleunigen und vereinfachen. Animatoren könnten Bewegungssequenzen durch einfache Texteingaben generieren und diese in Echtzeit anpassen, anstatt aufwendige manuelle Keyframe-Animationen zu erstellen oder auf langsame Offline-Renderings zu warten. Dies könnte die Produktionszyklen verkürzen und die kreativen Möglichkeiten erweitern.

Simulation

In Simulationsumgebungen, beispielsweise für Training oder Forschung, ermöglicht ARDY die realistische Darstellung menschlicher Bewegungen in Echtzeit. Dies ist besonders relevant für Szenarien, die eine dynamische Interaktion erfordern, wie etwa das Training von Robotern oder die Simulation komplexer menschlicher Verhaltensweisen.

Humanoide Robotik

Für die humanoide Robotik bietet ARDY die Möglichkeit, Roboter mit natürlicheren und menschenähnlicheren Bewegungen auszustatten. Die Echtzeit-Generierung von Bewegungen basierend auf Befehlen oder Umgebungsdaten könnte die Interaktion von Robotern mit ihrer Umgebung und mit Menschen verbessern.

Verfügbarkeit und Open Source

NVIDIA hat ARDY als quelloffenes Projekt auf GitHub zugänglich gemacht und Modelle auf Hugging Face Spaces bereitgestellt. Dies ermöglicht es Forschern und Entwicklern weltweit, die Technologie zu nutzen, weiterzuentwickeln und in eigene Projekte zu integrieren. Die Verfügbarkeit auf Hugging Face Spaces bietet eine einfache Möglichkeit, mit dem Modell zu experimentieren und dessen Fähigkeiten zu testen.

Technische Details und Erreichbarkeit

ARDY wurde am 10. Juli 2026 von NVIDIA Research veröffentlicht und für SIGGRAPH 2026 in den ACM Transactions on Graphics angenommen. Die Inferenzcode ist unter der Apache 2.0 Lizenz verfügbar, während die Modellgewichte unter der NVIDIA Open Model License veröffentlicht wurden, die die kommerzielle Nutzung explizit erlaubt. Es existieren verschiedene Modellvarianten, darunter "ARDY-Core-RP-20FPS-Horizon40", trainiert auf dem Bones Rigplay 1 Datensatz mit einem 27-Gelenk-Skelett bei 20 FPS, und "ARDY-G1-RP-25FPS-Horizon8", trainiert mit einem 34-Gelenk-Unitree G1 Roboterskelett bei 25 FPS.

Die Anforderungen an die Hardware, insbesondere an den Grafikspeicher (VRAM), sind zu beachten. Für den Betrieb wird eine GPU mit etwa 20 GB VRAM empfohlen, was den Einsatz in Cloud-Umgebungen oder auf leistungsstarken Workstations nahelegt.

Fazit

Mit ARDY hat NVIDIA einen bedeutenden Schritt in Richtung interaktiver Echtzeit-KI-Animation gemacht. Die Kombination aus autoregressivem Diffusionsmodell, hybrider Repräsentation und flexiblen Steuerungsmöglichkeiten schafft ein Werkzeug, das das Potenzial hat, die Art und Weise, wie wir digitale Charaktere animieren und mit ihnen interagieren, grundlegend zu verändern. Die quelloffene Natur und die Verfügbarkeit auf Plattformen wie Hugging Face Spaces fördern zudem die breite Anwendung und Weiterentwicklung dieser Technologie in Forschung und Industrie.

Bibliography: - ARDY: Interactive Human Motion Generation, NVIDIA Research, https://research.nvidia.com/labs/sil/projects/ardy/ - nv-tlabs/ardy, GitHub Repository, https://github.com/nv-tlabs/ardy - nvidia/ARDY-Core-RP-20FPS-Horizon40, Hugging Face, https://huggingface.co/nvidia/ARDY-Core-RP-20FPS-Horizon40 - nvidia/ARDY-G1-RP-25FPS-Horizon8, Hugging Face, https://huggingface.co/nvidia/ARDY-G1-RP-25FPS-Horizon8 - ARDY: Autoregressive Diffusion with Hybrid Representation for Interactive Human Motion Generation, arXiv, https://arxiv.org/html/2607.08741v1 - NVIDIA ARDY: The Real-Time Leap in AI Animation (Open-Source), YouTube, Stefan 3D AI, https://www.youtube.com/watch?v=xLf27GC0-hE - ARDY: NVIDIA Open Real Time Text to Motion Model for Digital Humans and Robots, AI FILMS LLC, https://studio.aifilms.ai/blog/ardy-nvidia-real-time-motion-generation