本研究提出了一种新的后训练偏好对齐方法，旨在缩小多智能体运动生成模型与人类偏好之间的差距。通过利用先前训练示范中的隐式反馈，显著提高了生成行为的真实性和一致性，无需额外的人类偏好注释。

本文介绍了多种运动生成模型，如JL2P、MotionCLIP、MotionGPT和MMM，旨在通过结合语言和动作数据，提高基于文本的运动生成质量和效率。同时，研究提出了LaserHuman数据集，以支持条件运动生成的研究，推动实际应用的发展。

本文介绍了GazeMoDiff、Motion-Zero和MoDiff等新型运动生成模型，旨在提高视频中人体动作的预测和控制精度。这些模型结合时空特征、注意力机制和无监督学习，生成高质量、自然的运动序列，适用于虚拟现实和视频编辑任务。