文本驱动动作生成

多层次因果大语言模型驱动的文本到动作生成与人类对齐

Multi-level Causal LLM-based Text-to-Motion Generation with Human Alignment

把动作序列当作离散词元、用因果 RVQ-VAE 加时间滞后因果预测来做多层级并行生成，这套「离散词元 + 因果 LLM + 偏好对齐」的组合可直接迁移到视频/动作序列的生成式建模；同时发布的 HumanML3D-R 偏好数据集为动作生成提供了可复用的对齐评测资源。