NVIDIA、歩行者軌道生成の拡散モデル「Trace and Pace」を公開 物理ベース制御と統合

何が起きたか

NVIDIAは2023年4月4日、歩行者軌道と全身アニメーションを制御可能に生成する手法「Trace and Pace」をarXivで公開した。本手法は誘導拡散モデルを用い、ユーザーが目標の経由点、速度、社会的グループを指定できる。物理ベースのヒューマノイド制御と統合し、様々な地形のシミュレーション環境に大規模な群集を配置できる。

詳細

本手法は、誘導拡散モデルによりテスト時に軌道の制御を可能にする。これは通常ルールベースのシステムでのみ実現される。軌道拡散モデルは、物理ベースのヒューマノイド制御器と統合され、閉ループの全身歩行者アニメーションシステムを構成する。さらに、アニメーション制御器の強化学習中に学習された価値関数を用いて、衝突回避や不整地走行などの特定シナリオに適した軌道を生成する。

Key Facts

本紙の見方

今回の発表は、NVIDIAが歩行者シミュレーションの分野で拡散モデルを応用した点で新規性がある。従来のルールベースの制御では実現が難しかった、ユーザー指定の目標（経由点、速度、社会的グループ）に沿った軌道生成を、誘導拡散モデルによってテスト時に実現している。これは、拡散モデルの柔軟性と物理ベース制御のリアリズムを組み合わせた点で、群集シミュレーションの新たなアプローチを示す。 本紙の過去報道では、NVIDIAがロボットのナビゲーションポリシー訓練手法（2026年8月26日）やエッジ向け世界モデル「Cosmos 3 Edge」（2026年8月17日）を公開している。今回の手法は、ロボットではなく歩行者アニメーションに焦点を当てているが、拡散モデルを用いた制御という点で共通する。特に、Cosmos 3 Edgeが世界モデルとしてロボット制御を実時間推論するのに対し、Trace and Paceはオフラインでの軌道生成とアニメーションに特化している。 業界構造への含意として、この手法はゲームや映画、自動運転のシミュレーション環境など、仮想環境での群集再現に応用可能である。物理ベースの制御と拡散モデルの統合は、よりリアルな歩行者行動の再現を可能にし、自動運転のテストシナリオ生成などに影響を与える可能性がある。また、強化学習で学習した価値関数を利用することで、特定シナリオに適した軌道を生成できる点は、シミュレーションの効率化に寄与する。 未確定の論点として、本手法の具体的な性能数値（生成速度、精度など）は公開されていない。また、実環境での応用事例や、他のNVIDIA製品（Omniverseなど）との統合の有無も明らかでない。今後の検証が待たれる。

なぜ重要か

本手法は、拡散モデルと物理ベース制御を統合することで、歩行者シミュレーションの制御性とリアリズムを両立させた点で重要である。自動運転やゲーム開発など、仮想環境での群集再現が必要な分野に影響を与える可能性がある。