先思后动：面向文本到动作生成的隐式运动推理
摘要
当前最先进的范式主要将文本到动作（Text-to-Motion, T2M）生成视为一个直接翻译问题，即将符号语言直接映射到连续姿态。虽然这种方法对简单动作有效，但这种系统 1 方法面临一个我们称之为语义-运动学阻抗失配（Semantic-Kinematic Impedance Mismatch）的根本性理论瓶颈：即一次性将语义密集、离散的语言意图落实到运动学密集、高频的运动数据的内在困难。在本文中，我们认为解决方案在于向隐式系统 2 推理的架构转变。受认知科学中层次运动控制（Hierarchical Motor Control）的启发，我们提出了隐式运动推理（Latent Motion Reasoning, LMR），它将生成重新表述为一个“先思后动”的两阶段决策过程。LMR 的核心是一种新颖的双粒度分词器（Dual-Granularity Tokenizer），它将运动解耦到两个不同的流形上：一个压缩的、语义丰富的推理隐空间（Reasoning Latent），用于规划全局拓扑；以及一个高频的执行隐空间（Execution Latent），用于保持物理保真度。通过强制模型在“动”（实例化帧）之前进行自回归“思”（规划粗略轨迹），我们有效地弥合了语言与物理之间的不可言说鸿沟。我们通过将 LMR 应用于两个代表性基线模型：T2M-GPT（离散）和 MotionStreamer（连续），展示了其多功能性。大量实验表明，LMR 在语义对齐和物理合理性方面都带来了非平凡的提升，验证了运动规划的最佳基质不是自然语言，而是一个学习到的、与运动对齐的概念空间。代码和演示可在 \hyperlink{https://chenhaoqcdyq.github.io/LMR/}{https://chenhaoqcdyq.github.io/LMR/} 找到。
引用
@article{arxiv.2512.24100,
title = {Think Before You Move: Latent Motion Reasoning for Text-to-Motion Generation},
author = {Yijie Qian and Juncheng Wang and Yuxiang Feng and Chao Xu and Wang Lu and Yang Liu and Baigui Sun and Yiqiang Chen and Yong Liu and Shujun Wang},
journal= {arXiv preprint arXiv:2512.24100},
year = {2026}
}
备注
project page: https://chenhaoqcdyq.github.io/LMR/