本研究开发了一种框架，通过合成数据生成器和对抗模仿学习，创建适应不同步态速度的骨骼人形代理。研究结果表明，该代理在真实步态运动中的准确性显著，均方根误差为5.24 ± 0.09度，推动了数字双胞胎的开发及相关应用。

本研究提出了一种基于扩散建模的新方法，解决了传统对抗模仿学习中的训练不稳定性。通过得分匹配简化学习过程，避免了离线模仿学习的累积错误。实验表明，该方法在多个连续控制任务上表现优于传统方法。