SalsaAgent：用于交互式舞蹈生成的多模态具身语言模型

Payam Jome Yazdian, Zoe Stanley, Angelica Lim

摘要

本文提出SalsaAgent，一种能够根据人类领舞和音乐背景生成全身萨尔萨舞动作的语言模型。通过将交互建模为非语言运动令牌传递，并采用两阶段令牌到扩散管道，该方法在运动质量、音乐与伙伴协调性以及双人空间行为一致性上显著优于基线。

dance generationmultimodallanguage modelhuman-robot interactionmotion token

HRI

📊 3 引用

Kai Ding, Qingyuan Mao, Yaqian Zhang 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

HRI

📊 0 引用

Yingchao You, Ze Ji, Changyun Wei

Robotics and Computer-Integrated Manufacturing · 2026

HRI

📊 0 引用

Jiahui Si, Wenchao Li, Xi Chen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

HRI

📊 0 引用

Rui Qian, Xi Zhang, Dongpeng Li 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026