本研究解决了互动化身运动系统构建中存在的“具身智能”不足问题，提出了PRIMAL，一种自回归扩散模型，通过两阶段范式学习运动动态，从而生成丰富且自然的动作。实验表明，该模型能够实时响应外部刺激，实现高效的个性化动作适应，超越现有先进技术，具有重要的应用潜力。

该研究提出了一种名为PRIMAL的新的多智能体路径规划框架，结合了强化学习和模仿学习。该框架能够在部分可观测的环境中在线反应式规划路径，并具有隐式协调性。通过引入专家规划器的演示、奖励重新塑造和环境抽样，该框架扩展了以前在协作策略的分布式学习方面的工作。最终，该研究通过模拟机器人实验验证了所学策略的性能。