DOI: https://doi.org/10.1007/s11263-025-02582-5
تاريخ النشر: 2026-02-06
المؤلف: Kewei Sui وآخرون
الموضوع الرئيسي: حركة الإنسان والرسوم المتحركة
نظرة عامة
تقدم هذه القسم نظرة عامة على أهمية توليد حركة التفاعل البشري في الأنظمة الرقمية، مع التأكيد على صلتها بالروبوتات، والواقع الافتراضي، والرسوم المتحركة. يبرز المؤلفون أنه بينما دفعت التقدمات في النماذج التوليدية العميقة ومجموعات البيانات المجال إلى الأمام، لا تزال التحديات قائمة في نمذجة الديناميات البشرية المعقدة وتفاعلاتها مع البيئة بدقة. يهدف الاستطلاع إلى تقديم مراجعة شاملة للأدبيات الموجودة، وتأسيس المفاهيم الأساسية وتصنيف التفاعلات بشكل منهجي إلى أربعة أنواع: تفاعل إنسان-إنسان، تفاعل إنسان-شيء، تفاعل إنسان-مشهد، وتفاعل إنسان-مزيج.
في الخاتمة، يلخص المؤلفون مراجعتهم المنهجية، موضحين الاختراقات المنهجية ضمن كل فئة تفاعل وتصنيف الأساليب بناءً على حلولها للتحديات التقنية الرئيسية. كما يحللون خصائص مجموعات البيانات ذات الصلة ومساهماتها في تقدم المجال. علاوة على ذلك، يقترح المؤلفون إطارًا موحدًا لتقييم مهام التفاعل باستخدام مقاييس موحدة ويحددون أربعة اتجاهات بحثية واعدة للاستكشاف المستقبلي، مما يعكس الطبيعة الديناميكية لهذا المجال من الدراسة.
مقدمة
تؤكد مقدمة ورقة البحث على أهمية التفاعلات البشرية مع البيئة، والتي تتميز بالحركة وتغطي مجموعة من الأنشطة من المهام اليومية إلى الإيماءات الاجتماعية. فهم وتكرار هذه السلوكيات المعقدة أمر ضروري لإنشاء كيانات تشبه الإنسان في مجالات مختلفة، بما في ذلك الترفيه والروبوتات. لقد حسنت التقدمات الأخيرة في تقنيات النمذجة التوليدية، مثل المحولات التلقائية المتغيرة (VAEs)، والشبكات التنافسية التوليدية (GANs)، ونماذج الانتشار، من توليد حركات بشرية ثلاثية الأبعاد متنوعة وطبيعية. ومع ذلك، فإن توليد حركات التفاعل البشري يطرح تحديات فريدة، بما في ذلك الحاجة إلى التناسق المكاني والزماني، والوعي البيئي، ودمج الخبرة في المجال بسبب الطبيعة المستهلكة للموارد لجمع البيانات.
تصنف الورقة سيناريوهات التفاعل البشري إلى أربعة أنواع رئيسية: تفاعل إنسان-إنسان (HHI)، تفاعل إنسان-شيء (HOI)، تفاعل إنسان-مشهد (HSI)، وتفاعل إنسان-مزيج. توضح هيكل الاستطلاع، الذي يتضمن تعريف النطاق، ومراجعة المفاهيم الأساسية، وفحص الأساليب ومجموعات البيانات المختلفة، ومناقشة مقاييس التقييم. يهدف الاستطلاع إلى تقديم نظرة شاملة عن أحدث ما توصلت إليه التكنولوجيا في توليد حركة التفاعل البشري، مع معالجة كل من التقدمات الأخيرة والتحديات الناشئة في هذا المجال سريع التطور.
الطرق
في هذا القسم، يوضح المؤلفون الأساليب الأساسية المستخدمة في توليف حركة التفاعل البشري. يصنفون هذه الأساليب إلى طرق كلاسيكية وإطارات توليد عميقة معاصرة، مع تسليط الضوء على تطور التقنيات المستخدمة في توليد تفاعلات بشرية واقعية. تتضمن الطرق الكلاسيكية عادةً محاكاة قائمة على الفيزياء ونماذج حركية، والتي تعتمد على قواعد وقيود محددة مسبقًا لإنتاج الحركة. في المقابل، تستفيد التقدمات الأخيرة من خوارزميات التعلم العميق التي تمكّن من توليد تفاعلات أكثر تعقيدًا وتنوعًا من خلال التعلم من مجموعات بيانات كبيرة من الحركة البشرية. تعكس هذه التقدمات تحولًا كبيرًا نحو منهجيات مدفوعة بالبيانات في مجال توليد الحركة.
المناقشة
يركز الاستطلاع حول توليد الحركة التفاعلية البشرية على طرق التوليد المختلفة، ومجموعات البيانات، ومقاييس التقييم عبر أربعة أنواع من التفاعل: تفاعل إنسان-إنسان، تفاعل إنسان-شيء، تفاعل إنسان-مشهد، وتفاعل إنسان-مزيج. يحدد نطاق الدراسة، مع التأكيد على أنها تستثني مهام الحركة البشرية غير التوليدية والمجالات ذات الصلة مثل توليد حركة شخص واحد والتعرف على أفعال الإنسان. يتم تأسيس المفاهيم الأساسية لتوليد حركة التفاعل البشري، مع تسليط الضوء على أهمية التقاط الحركة بدقة وتمثيلها لكل من التفاعلات البشرية والشيئية. يتم مناقشة طرق التقاط مختلفة، بما في ذلك الأنظمة المعتمدة على العلامات، وأجهزة الاستشعار الحركية، وتقدير الوضع القائم على التعلم العميق، جنبًا إلى جنب مع تقنيات التمثيل مثل الطرق القائمة على الحركية والنماذج البارامترية (مثل SMPL، SMPL-X).
تتوسع هذه القسم في توضيح المنهجيات لتوليد الحركات التفاعلية، مصنفة إياها إلى تفاعلات إنسان-إنسان، تفاعلات إنسان-شيء، تفاعلات إنسان-مشهد، وتفاعلات متعددة الكيانات. يتم تحديد الجوانب الرئيسية لتوليد تفاعل إنسان-إنسان، بما في ذلك التناسق الدلالي، والتنسيق بين الأفراد على مستوى عالمي، والتفاعل المحلي الدقيق. تغطي المناقشة أيضًا أوضاع الشرط التي تعزز توليد الحركة، مثل الأوصاف النصية، والإشارات الصوتية، وتسميات فئات الأفعال. يتم فحص تقنيات متقدمة مثل الشبكات التنافسية التوليدية (GANs)، والمحولات التلقائية المتغيرة (VAEs)، ونماذج الانتشار لدورها في توليف حركات بشرية واقعية. يهدف الاستطلاع في النهاية إلى تقديم نظرة شاملة عن أحدث ما توصلت إليه التكنولوجيا في توليد الحركة التفاعلية البشرية، مع معالجة كل من التحديات والتقدمات في هذا المجال.
DOI: https://doi.org/10.1007/s11263-025-02582-5
Publication Date: 2026-02-06
Author(s): Kewei Sui et al.
Primary Topic: Human Motion and Animation
Overview
This section provides an overview of the significance of human interaction motion generation in digital systems, emphasizing its relevance to robotics, virtual reality, and animation. The authors highlight that while advancements in deep generative models and datasets have propelled the field forward, challenges persist in accurately modeling complex human dynamics and their interactions with the environment. The survey aims to offer a comprehensive review of existing literature, establishing foundational concepts and systematically categorizing interactions into four types: human-human, human-object, human-scene, and human-mix.
In the conclusion, the authors summarize their systematic review, detailing methodological breakthroughs within each interaction category and classifying approaches based on their solutions to key technical challenges. They also analyze the characteristics of relevant datasets and their contributions to the field’s progress. Furthermore, the authors propose a unified framework for evaluating interaction tasks using standardized metrics and identify four promising research directions for future exploration, reflecting the dynamic nature of this area of study.
Introduction
The introduction of the research paper emphasizes the significance of human interactions with the environment, which are characterized by motion and encompass a range of activities from daily tasks to social gestures. Understanding and replicating these complex behaviors is essential for creating human-like entities in various fields, including entertainment and robotics. Recent advancements in generative modeling techniques, such as Variational Autoencoders (VAEs), Generative Adversarial Networks (GANs), and Diffusion models, have improved the generation of diverse and natural 3D human motions. However, generating human interaction motions poses unique challenges, including the need for spatial and temporal coherence, environmental awareness, and the integration of domain expertise due to the resource-intensive nature of data collection.
The paper categorizes human interaction scenarios into four main types: human-human interaction (HHI), human-object interaction (HOI), human-scene interaction (HSI), and human-mix interaction. It outlines the structure of the survey, which includes defining the scope, reviewing foundational concepts, examining various methods and datasets, and discussing evaluation metrics. The survey aims to provide a comprehensive overview of the state of the art in interactive human motion generation, addressing both recent advancements and emerging challenges in this rapidly evolving field.
Methods
In this section, the authors outline the fundamental methods employed in the synthesis of human interaction motion. They categorize these methods into classical approaches and contemporary deep generative frameworks, highlighting the evolution of techniques used for generating realistic human interactions. Classical methods typically involve physics-based simulations and kinematic models, which rely on predefined rules and constraints to produce motion. In contrast, recent advancements leverage deep learning algorithms that enable the generation of more complex and varied interactions by learning from large datasets of human motion. This progression reflects a significant shift towards data-driven methodologies in the field of motion generation.
Discussion
The survey on interactive human motion generation focuses on various generation methods, datasets, and evaluation metrics across four interaction types: human-human, human-object, human-scene, and human-mix interactions. It delineates the scope of the study, emphasizing that it excludes non-generative human motion tasks and related areas such as single-person motion generation and human action recognition. The foundational concepts of human interaction motion generation are established, highlighting the importance of accurate motion capture and representation for both human and object interactions. Various capture methods, including marker-based systems, inertial sensors, and deep learning-based pose estimation, are discussed, alongside representation techniques like kinematic-based methods and parametric models (e.g., SMPL, SMPL-X).
The section further elaborates on the methodologies for generating interactive motions, categorizing them into human-human, human-object, human-scene, and multi-entity interactions. Key aspects of human-human interaction generation are identified, including semantic consistency, global interpersonal coordination, and fine-grained local interaction. The discussion also covers conditioning modalities that enhance motion generation, such as textual descriptions, audio cues, and action class labels. Advanced techniques like Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs), and diffusion models are examined for their roles in synthesizing realistic human motions. The survey ultimately aims to provide a comprehensive overview of the state-of-the-art in interactive human motion generation, addressing both the challenges and advancements in the field.