ボイドモデルとは？3つのルールで群れ行動を再現するアルゴリズムを解説
鳥や魚の群れがぶつからずに滑らかに動くのはなぜか？その秘密を再現するのが「ボイドモデル」です。この記事では3つのシンプルなルールからなるアルゴリズムの仕組みと、CGやドローンなどへの応用事例をわかりやすく解説します。
ボイドモデルとは何か？｜群れ行動を再現するアルゴリズムの基本
ボイドモデルは、コンピュータグラフィックス研究者のクレイグ・レイノルズが1986年のSIGGRAPHで「Boids」モデルとして発表した「群れ行動」を再現するアルゴリズムです。
参考1：Flocks, Herds, and Schools: A Distributed Behavioral Model (ACM Digital Library, 1987)
参考2：Flocks, Herds, and Schools:A Distributed Behavioral Model(Craig Reynolds)
鳥の群れや魚の群泳を観察すると、個体同士が衝突せずにまとまりを保ちながら滑らかに方向転換する様子が見られます。
例えば、以下の動画のように。
ボイドモデルでは、この現象を「多数の個体がシンプルな局所ルールを守るだけで、全体としてリアルで複雑な挙動が emergent（創発）する」という視点で説明します。
個体は位置と速度ベクトルを持ち、毎フレームごとに近隣個体を参照して自分の進路を微調整します。その結果、中心から逸脱し過ぎず、他個体とも適切な距離を保ちながら、まるで意志を共有しているかのような集団運動が形成されます。
CG 映像からロボット群制御まで応用範囲は広く、「シンプルなルールと相互作用が複雑系を生む」ことを理解する上で格好の教材ともいえます。
近年はWebGLやThree.js、Processing、Unity などのゲームエンジンでも簡単に試せるため、教育現場やプロトタイピングでも人気が高まっています。
3つの基本ルール｜分離・整列・結合で生まれる自然な動き
ボイドモデルの核となるのは「分離」「整列」「結合」という3つの基本ルールです。分離は衝突回避のために近すぎる相手から離れる力、整列は近隣の平均速度に合わせる力、結合は群れの重心へ向かう力を表します。
各ルールは独立したベクトル演算として実装され、重み付けにより行動の特徴を微調整できます。たとえば分離の重みを大きくすると群れが密集せずスプレッドし、結合を強めると団子状に凝集します。
これらの力を毎フレーム合成し、物理エンジンに速度として加算するだけで自然な群集運動が生まれる点は驚くべきシンプルさです。
本質は「全体を制御する司令塔が存在しない」分散協調型モデルにあり、スケーラビリティやロバスト性にも優れています。
実際の鳥や魚も類似の局所知覚と反応で行動していると言われており、ボイドモデルは生物行動学の仮説検証にも利用されています。
アルゴリズムを学ぶことは、単なるCG技術にとどまらず、自然界の複雑系を理解する鍵を手に入れることに等しいわけです。
ルール1：分離（Separation）
近い個体を避ける力は群集シミュレーションの安全弁です。具体的には、自分の近接半径内に入った仲間の位置ベクトルとの差を取り、反対方向に向かう力を計算します。
ベクトルを正規化し、距離に応じて大きさを反比例させることで、近いほど強く遠いほど弱い力が得られます。これにより鳥は空中衝突を、魚は水中での体当たりを回避できます。
パラメータとしては「感知半径」と「最大回避加速度」があり、感知半径を小さくすると衝突直前に急旋回する「スリリング」な動きになり、大きくすると全体がばらけ気味になります。
現実の生態系では動物ごとにパーソナルスペースが異なるため、シミュレーションでも種別を分けて半径を変えるとリアリティが向上します。
また、分離ベクトルを過剰に強めると群れが分断しやすくなるため、他のルールとのバランスが重要です。
現場でよく見るチュートリアルでは、この値をGUIスライダーで変えながら挙動を比較し、直感的に効果を把握できるようにするのが定番です。
ルール2：整列（Alignment）
整列は群れ全体の「進行方向の一致」を担います。計算手順はシンプルで、感知範囲にいる仲間の速度ベクトルの平均を求め、自分の速度をその方向へ補正するだけです。
速度の大きさは保持しつつ方向のみをブレンドする実装もあれば、速度の絶対値まで平均化して「スピードを合わせる」タイプもあります。
整列を強めると編隊飛行のように向きが揃い、弱めると個々が好き勝手に進む散漫な雰囲気になります。興味深いのは、人間が見ると「リーダーが存在して隊列を導いている」ように感じる点です。
実際にはリーダーはいませんが、局所的な情報共有だけで巨大な隊列が滑らかにターンする様は、分散協調の強力さを示す好例です。
学習教材としては、整列パラメータを極端に下げて「混沌モード」を体感し、そのあとで徐々に上げて動きが統一される過程を観察すると理解が深まります。
なお、速度平均を取る際に「自分自身の速度」を含めるか否かで微妙に結果が変わるため、実装ポリシーを決めておくとデバッグが楽になります。
ルール3：結合（Cohesion）
結合は群れのまとまりを維持するルールで、近隣個体の重心（中心点）へ向かう力を与えます。計算は対象個体の位置ベクトルを平均し、その方向へ加速度を与えるだけなので高速です。
重みを大きくすると密度の高い球状群れが形成され、小さくすると広がったフォーメーションになります。
実際の映像制作では、結合を強く、整列と分離を弱めに設定し、さらにノイズを加えて「雲のように湧き上がる」表現を行うケースもあります。
結合が強すぎる場合には群れが1点に収束し過ぎて不自然になるため、距離に応じて加速度を線形減衰させるなどスケール感を調整すると良いでしょう。
また、動的目標点を与えておくと群れ全体を誘導でき、群景演出やドローンショーの経路生成にも応用できます。
ボイドモデルを導入した自律移動ロボットでは、GPS や UWB で共有した仮想重心に向かわせることで、中央制御なしにフォーメーション飛行を実現する実証実験も報告されています。
ボイドモデルの実装方法｜プログラムの流れと計算ステップ
実装は決して難解ではありません。フローとしては「①近隣探索 → ②3ルールによる加速度計算 → ③速度・位置更新」のループを各フレームで行います。
近隣探索を高速化するため、オクツリーやユニフォームグリッドといった空間分割データ構造を採用すると O(n^2) を状況によっては O(n log n) あるいは O(n) まで削減可能です。
加速度計算では、ルールごとに得られたベクトルを重み付きで合成し、最大速度や最大加速度をクランプすることで数値発散を防ぎます。
その後、数値積分は簡易オイラー法（Euler integration）が一般的で、Verlet 法は加速度を明示的に扱わないため、物理ベースの力制御とは相性が悪く、用途が限定されます。
ゲームエンジンでは Rigidbody に力を加えるか、Transform を直接操作するか選択できます。Rigidbody を使うと他の物理オブジェクトとの相互作用が自然になりますが、処理負荷が増す点には注意が必要です。
パラメータは実行時に可変にしておくと、動きのテイストを即座に試行錯誤でき、デモでの説得力が向上します。
近年は ECS（Entity Component System）アーキテクチャで並列化し、一定条件下では数千体の群れでも60fpsを維持できる実装事例が報告されています。
活用事例｜CG 映像・ゲームAI・ロボティクスでの応用
ボイドモデルは学術研究の枠を超え、驚くほど多様な分野で活用されています。CG映画ではディズニー実写版『ライオン・キング』（2019）のヌーの大群シーンをはじめ、膨大なエージェントをリアルに描く際の定番テクニックになっています。
ゲームAIでは『Assassin’s Creed』シリーズの街路群衆やRTSタイトルのユニット編隊制御に採用され、プレイヤーの介入に応じてダイナミックにフォーメーションを変化させます。
さらに近年はドローンショーで数百機を衝突させずに隊列飛行させる群制御アルゴリズムとして実装され、災害時に自律ロボット群が協調して捜索範囲をカバーする研究にも応用が進んでいます。
海中では自律水中ドローンをボイドモデルで群泳させることで、広域探査の効率化が報告されています。
金融市場を模擬するエージェントベースモデルなど、リアルとバーチャルの境界を横断する事例も登場しており、ボイドモデルは「シンプルな局所ルールで複雑な全体行動を生む」コンセプトの象徴として今後も注目を集めるでしょう。
まとめ｜ボイドモデルの要点
ボイドモデルは、分散協調システムの代表例として、①分離②整列③結合という3つの局所ルールだけで、鳥や魚のような滑らかな群れ行動を驚くほどリアルに再現できるアルゴリズムです。
実装はシンプルで、近隣探索→ルール演算→位置更新をループするだけ。ユニフォームグリッドで計算量を削減し、オイラー積分で数値安定性を確保すれば、数千体規模でもリアルタイム制御が可能です。
CG映像やゲームAI、ドローンショー、災害探索ロボットなど応用範囲は年々拡大しており、「軽量」「創発」「スケーラブル」という特長が多方面で評価されています。
この記事を足掛かりにパラメータを操作し、自分だけの群れを動かしてみてください。観察→仮説→実装→検証のサイクルを回すことで、複雑系の理解が深まり、アルゴリズム思考のトレーニングにも最適です。
