擺脫膠囊動畫模型
傳統遊戲 NPC 是在移動「膠囊」上播放動畫導致滑步，新技術則是以 20 個動力關節進行全物理模擬。
NVIDIA’s AI Finally Solved Walking In Games
✓ 這篇在你的庫裡
在摘要庫開啟 →
這部在講什麼知識講解
介紹 NVIDIA 開發的全新 AI 框架，結合擴散模型與物理模擬，解決遊戲中 NPC 走路腳步滑動的長年問題。
概念地圖
概念與關係意義優先，時間戳用來導航
擴散模型預測路徑
名為 Trace 的系統將擴散技術應用於路徑生成，像畫圖一樣從噪音中「想像」出未來可能的路徑與空間。
物理驅動的肌肉系統
Pacer 系統不依賴預錄動畫，而是讓關節每秒 30 次與重力抗衡，並與大腦溝通以調整重心防止跌倒。
自動適應崎嶇地形
因純物理驅動，NPC 無需特定動畫即可自然走過階梯、斜坡與亂石，且能展現多樣的體型與走路姿態。
自駕車訓練的新標竿
這種能模擬「混亂、不守規矩、多樣化」的真實行人行為，能為自駕車提供更具參考價值的虛擬訓練場景。
耗時三天的強化學習
透過對抗強化學習（Discriminator），系統在 3 天內同時訓練 2000 個單位，經歷數十億次失敗才學會如真人般平衡。
看完可以做什麼
前往影片說明欄下載開源代碼，研究如何將此物理模擬框架整合進你的遊戲或機器人訓練專案。需要留意：此技術對運算資源要求極高（每秒需計算多個關節的物理受力），在大規模遊戲中即時執行數千名 NPC 仍具效能挑戰。
生成於 2026-07-11
檢舉
觀眾怎麼看
整理 40 則有效留言信心 高觀眾對 NVIDIA 的 AI 物理行走技術感到驚艷，並熱烈討論其在遊戲開發中的實用性與效能挑戰。
觀眾普遍認為這項 AI 物理模擬技術非常令人印象深刻，期待未來能應用於遊戲中，提升角色動作的自然度。
觀眾擔心此技術的運算成本過高，質疑其在遊戲即時渲染中的效能表現，以及是否需要極高的硬體規格。
觀眾指出如《Exanima》、《Half-Life: Alyx》等遊戲早已具備類似的物理互動或動作表現，並非完全新穎的技術。
觀眾觀察到 AI 角色在面對樓梯或地形變化時，似乎缺乏預判能力，容易出現絆倒或反應遲鈍的現象。
有觀眾認為強化學習行走模型並非新技術，質疑影片標題稱「終於解決」的說法過於誇大。
本摘要僅基於提供的 40 則留言樣本，無法代表全體觀眾觀點。