Pesquisadores da NVIDIA apresentam o ARDY, um framework de geração em streaming projetado para habilitar a síntese de movimento humano 3D de alta fidelidade em aplicações interativas em tempo real. O sistema preenche a lacuna entre precisão offline e velocidade online ao combinar características raiz explícitas com embeddings corporais latentes.
- Utiliza uma representação híbrida que equilibra o controle preciso da trajetória com aprendizado generativo eficiente.
- Emprega um denoiser de transformador autoregressivo em duas etapas capaz de lidar com contexto de histórico variável.
- Suporta condicionamento sobre restrições cinemáticas flexíveis de longo prazo e prompts de texto online.
- Treinado em dados de captura de movimento em larga escala para aprender nativamente a geração controlável.
- Validado nos benchmarks HumanML3D e Bones Rigplay por qualidade de movimento e aderência às restrições.
O framework permite que os usuários controlem o movimento via texto dinâmico, poses-chave, seguimento de caminho e locomoção interativa, tornando-o adequado para animação, simulação e robótica humanoides.