Los investigadores de NVIDIA presentan ARDY, un marco de generación en streaming diseñado para habilitar la síntesis de movimiento humano 3D de alta fidelidad en aplicaciones interactivas en tiempo real. El sistema cierra la brecha entre la precisión fuera de línea y la velocidad en línea combinando características raíz explícitas con incrustaciones corporales latentes.
- Utiliza una representación híbrida que equilibra el control preciso de la trayectoria con el aprendizaje generativo eficiente.
- Emplea un denoiser de transformador autoregresivo de dos etapas capaz de manejar contexto de historia variable.
- Soporta condicionamiento sobre restricciones cinemáticas flexibles de largo horizonte y prompts de texto en línea.
- Entrenado en datos de captura de movimiento a gran escala para aprender nativamente la generación controlable.
- Validado en los benchmarks HumanML3D y Bones Rigplay por calidad de movimiento y adherencia a las restricciones.
El marco permite a los usuarios controlar el movimiento mediante texto dinámico, poses clave, seguimiento de ruta y locomoción interactiva, haciéndolo adecuado para animación, simulación y robótica humanoides.