ニュース
ローカルLLMはゲーム開発に使えるか、スクウェア・エニックスがNemotronで検証
2026年11月11日 20:29
NVIDIA Japanは11月10日、開発者を対象とした特別イベント「Agentic AI Day Japan 2026」を開催した。イベントでは、NVIDIAが提供する最新のオープンモデルや、ライブラリ、データセットに関する技術解説に加え、実際にAIを業務で運用している各社の活用事例について紹介するデモセッションなどが行なわれた。
本稿ではこれらの活用事例に関するデモセッションの中から、スクウェア・エニックスのAI&エンジン開発ディビジョン所属AIエンジニアである藤井翔太氏による「ゲーム開発プラットフォームにおける生成AIの実装」の発表内容を紹介する。
AAAタイトルのコスト課題と、ローカルLLMという選択肢
藤井氏はまず前提として、ゲーム業界全体の開発背景であるAAAタイトルの開発費高騰を挙げた。経済産業省が今年(2026年)2月に公表したデータでも、開発期間の長期化や人件費の上昇により、AAAタイトルの開発コストが大きな課題になっているという。
こうしたコスト課題に対し藤井氏は、ドキュメントや企画書の作成、コーディング、ツール制作による効率化、QA(テスト/検証)の分野でAIが活用できると整理した。ただし「ChatGPT」や「Claude」といったクラウドのフロンティアモデルは利用コスト自体が高く、「人間がやるのとAIがやるのと、どちらが高くなるのかはタスク次第」と指摘。AIとの対話回数が増えるほど、過去の文脈を保持するためのコストが膨らんでいく問題も示した。
モデルの使い分け(ルーティング)、Pythonスクリプトの事前用意、「LangChain」などによるハーネス(エージェント実行基盤)の設計といった対策はあるものの、クラウドモデルを使う限りコストの課題は残るとする。特にゲーム業界は3Dシーンデータや動画など重いデータを扱い、1回あたりのトークン消費が大きい。企画の壁打ちのように正解のないタスクでは対話の反復も増え、コストがかさみやすいと、ゲーム業界特有の事情を説明した。
そこで同氏が理想としたのが、ある程度のタスクをローカルで動くLLMでこなす形だ。ローカルLLMにはコスト以外にも、データを外部に出さない安全性や、クラウドモデルのチューニングで出力品質が変わってしまわない一貫性、外部APIへの依存を減らす可用性といったメリットがあると説明した。
社内のH100環境で「NVIDIA Nemotron」を使って検証
検証に用いたローカルLLMは、NVIDIAのビジョン言語(VL)モデル「Nemotron 3.5 Super VL」だ。Mamba系のアーキテクチャなどを取り入れて速度が最適化されている印象で、実際に回答も速かったという。同氏はこれを社内のH100 GPUマシンにデプロイし、問題なく動作して回答が得られることを確認した。
運用上の気づきとして挙げたのが、推論フレームワークのvLLMで「enable_prompt_tokens_details」を有効化すると、プロンプトキャッシュの再利用状況を可視化できる点だ。エージェントの実行ではキャッシュや過去のログをどう活かすかが作業効率を左右するため、こうした可視化は有用だとした。
検証は「チャット」、「スクリプト生成」、「モーション生成」、「MCP連携」の4本立てで実施した。
まず「チャット」では、fpsという用語の説明や世界一高い山などの「基礎知識や短い質問」、60fpsの180フレームは何秒？といった形で数値と単位を与えて回答を導き出す「計算や正解のある問い」、森の中にある村の名前を3案、各8文字以内といった形で、こちらが与えた条件や形式を守って出力させる「指示への対応やアイディア出し」といった形の3つの観点から応答の速度や結果を検証した。いずれも問題なく回答できた。
これらの応答時間を比較すると、「世界で一番高い山」のような「基礎知識や短い質問」では他モデルが1秒以上かかったのに対し、Nemotronは0.79秒と最速で回答した。
一方で「計算や正解のある問い」や「指示への対応やアイディア出し」など質問の難易度が上がると、いずれも他モデルより時間がかかっており、難易度による応答速度の変化量が大きいことも確認された。藤井氏は、ローカルLLMの導入先として簡単なチャットの会話が向いているとの見方を示した。
ビジョン言語モデルらしく、動画を読み込ませる試みも行なわれた。ドラゴンが食事をするシーンの動画を与えたところ、内容を正確に理解した出力を返したといい、同氏は「個人的には驚いた点」として挙げている。
続いての「スクリプト生成」では、画像のネガポジ変換を行なうPythonスクリプトの作成を依頼したところ、1回で正確なスクリプトが生成されるのが確認できたという。生成時間は22秒で、難易度がやさしいスクリプトだったこともあり、速度の面ではChatGPTやClaudeがやや速い印象もあったという。
続いてHTMLのコード生成では簡易的なゲームを作らせてみたところ、左右移動の入力とジャンプ、剣の当たり判定、クリア条件などを備えたゲームが1回の依頼で出力された。藤井氏はここまでの「チャット」と「スクリプト生成」の基本検証について、当初からできるだろうと思っていたところが、しっかりできていたと改めて総括し、Nemotronのパフォーマンスの高さを示した。
Nemotronがキーフレームや足の位置を計画し、Kimodoでモーションを生成
続いて、応用編として試したのが「モーション生成」だ。これについては、Nemotron単体ではなく、NVIDIAのモーション生成AIモデル「Kimodo」と組み合わせて検証が行なわれた。Kimodoは「Kinematic Motion Diffusion」の略で、文章や少数のポーズ(キーポイント)を手掛かりに動き全体を生成できるAIモデル。Kimodoでは、足の位置や時刻も条件として指定できるため、今回の検証ではNemotronがこれらキーポイントなどの条件をJSONで生成し、Kimodoがそれを元にモーションに変換するという役割分担で検証した。開発環境には米Epic Gamesのゲーム開発エンジン「Unreal Engine」を使用した。
歩行モーションの生成は、Unreal Engineが標準で持つ歩行モーションをベースとし、ここにバーを用意してバーに接触せずに歩行できるように、Nemotronが通過させたい足の位置や全体の動きの中でポイントとなるキーフレームを計画してKimodoに渡し、最後にKimodoに指定したキーフレームの間を補間させ、全身の動きを生成させるという流れだ。
デモでは足元に置かれたバーをまたいで乗り越える歩行モーションの生成が示された。通常の動きでは引っ掛かってしまう足元のバーについて、Nemotronが設定したキーフレームによって、キャラクターが足を上げて乗り越えるモーションを生成できた。同じ手順で物を運んだり溝をジャンプしたり、1.2mの台をよじ登ったり、1.1mの位置にあるバーをくぐったりするなどさまざまな条件に応じた歩行モーションを生成させたが、いずれも基本的な歩行モーションについては、問題なく生成できたという。
興味深い知見が得られたのは、足の滑りの改善だ。足元のバーをまたぐ歩行モーションについて、当初はUnreal Engine内の距離で16.4cmほど足が滑っていたのだが、NemotronにPDCAサイクル(Plan/Do/Check/Act、計画/実行/評価/改善)を回させてみたところ、滑りは1.7cmまで縮小するなどの改善が見られた。この改善の過程で分かったのは、キーフレームは増やすほど良いわけではないという点だ。最終的に最も完成度が高かったのはキーフレームを6個だけ指定した場合で、キーを増やすほど余計な動きが増えて足が滑ったり、手が固定されてしまったりして、かえって不自然なモーションになったという。
今回の検証では、藤井氏が自作した動画キャプチャのスキルが役に立ったという。Unreal Engine側には動画をキャプチャする機能がなく、モーションなどを記録する「Take Recorder」の機能しかなかったため、これまではスクリーンショットで分析しており、作業に時間がかかっていた。今回はTake Recorderで保存したモーションなどのシーケンスを映像として書き出し、FFmpegでmp4化する一連の流れを1コマンドで実行できるようにする動画キャプチャスキルを使ったことで、大幅な時間短縮につながったと説明。
なお、PDCAの際に画面全体の動画を与えるのではなく、問題のある箇所だけを撮影した動画を与える方が、不要な情報を含まない分、改善に効きやすかったという。藤井氏は、ローカルLLMで改善作業をする際の知見として、動画入力では「必要な箇所だけ」を意識するよう勧めた。
最後は、こうして同じ段取りで生成したモーションをすべてつないで、一連のアクションとして画面内を歩行させるデモが行なわれた。キャラクターは平地では歩き、バーなどのオブジェクトはしゃがんで回避し、階段が現れると登ったり降りたりしたほか、壁に両手をついて足を地面につけずに先に進むなどのアクションを披露した。藤井氏は今回のポイントとして、歩行するキャラクターの障害となるオブジェクトには衝突判定(コリジョン)が設定されておらず、キーフレームのみで制御しているところを挙げた。
衝突判定がないため、位置のずれなどが生じた部分では、オブジェクトへの貫通なども発生していた。それでも藤井氏は、複数のモーションを一連につないだシームレスな生成が想定よりうまくでき、位置情報とキーフレームのみでこれだけ動けるのは「すごい」と率直な印象を語った。こうした検証結果から、藤井氏は今後の改善項目として、評価条件と修正方針を事前に定める必要があると結論づけた。
基本作業はローカルLLM、難題はフロンティアモデルへ
最後に検証したのが「MCP連携」だ。「MCP」とは「Model Context Protocol」の略で、AIとツールをつなぐ共通のプロトコルを指す。たとえば前述のゲーム開発エンジン「Unreal Engine 5.8」には、公式のMCPサーバーが実験的機能として搭載されている。3D制作ツールの「Blender(5.1以降)」でも、公式の実験プロジェクトとしてMCPサーバーが提供されている。これらを有効にすると、AIがMCPを通じてこれらのツールを呼び出し、処理を実行できる。
今回のデモでは、Blender上で木を作り、Unreal Engineのシーン上に配置するというタスクをMCP経由の操作で実行し、最終的に配置まで成功させることができた。
一方で、ツールを組み合わせてゲームそのものを作るようなタスクはその自由度の高さから難易度が高く、ローカルモデル単体ではまったくできなかったという。
そこで、こうしたケースではルーティングの段階からChatGPTなども併用して難易度に応じて作業を振り分けることで、オブジェクトの移動が実行できるようになるなどの改善が見られたため、藤井氏は、ゲーム開発のような難しいタスクでは、現状はChatGPTなどフロンティアモデルをルーティングで使う必要があるとの見方を示した。
まとめとして同氏は、基本的な操作がローカルLLMでできたこと、難易度の高い課題にはPDCAを回すことが有効で、そのための確認方法を自分でしっかり持つ必要があることを挙げた。ほかの作業にも使えるかどうかは、引き続き試していきたいとして、セッションを締めくくった。
以上、NVIDIA主催の開発者向けイベント「Agentic AI Day Japan 2026」でのスクウェア・エニックスのセッションについて紹介した。題材はゲーム開発ながら、日常業務に当てはめて役に立つ話も多く紹介されており、ローカルLLMの活用が、昨今問題になっているAI利用のコストへの対策の1つになり得ることを示す内容だった。まだまだ課題は多いが、今後のローカルLLM導入に向けた検討材料として、参考になるセッションだったといえる。
