BRAID：双层潜在动态生成多人交互动作

论文提出双层潜在变量模型 BRAID 生成多人交互动作。

资讯摘要

论文提出 BRAID，一种用于生成多人交互动作的分层序列潜在变量模型，将社会动作生成建模为元迁移学习问题：跨数据集学习共享交互先验，并通过任意观测人物与关节的上下文集合进行适配。模型用群体级潜在状态捕捉共享交互动态，用个体级潜在状态刻画受群体上下文影响的个人行为，从而支持完整、稀疏或部分观测下的连贯生成。作者在统一 SMPL 表示下评估社会预测、跟踪与补全、响应生成，并分析分层潜在空间。

要点速读

1. BRAID 以群体级与个体级双层潜在状态表示交互动态，可输出紧凑的社会状态向量供下游具身智能体系统使用。
2. 论文将多人交互动作生成表述为元迁移学习，共享交互先验跨数据集学习并借观测上下文适配。
3. 作者在 SMPL 统一表示下评估社会预测、跟踪与补全、响应生成，指标涵盖真实感、多样性、时间对齐与人际协调。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。