Kontrol baru selama proses sintesis: linimasa multitrack untuk gerakan manusia 3D
Metode yang diusulkan menerima instruksi teks baru bahkan saat sintesis berlangsung dan memungkinkan penentuan rentang aksi yang saling tumpang tindih secara independen. Koordinasi gerakan serentak pada berbagai bagian tubuh dijamin melalui pengondisian interval dan prosedur denoising yang mempertimbangkan bagian tubuh; pada TimelineMotion dan MTT, penulis melaporkan kesesuaian yang lebih baik terhadap semantik dan batasan waktu dibandingkan solusi streaming dasar.

Perintah baru saat bergerak
Aplikasi interaktif perlu merespons instruksi baru tanpa menghentikan tindakan yang sedang berlangsung. Contohnya, menjawab telepon sambil berjalan. Untuk menghasilkan gerakan manusia 3D, pendekatan TimelineControl menangani tugas ini. Pendekatan ini menerima instruksi secara beruntun saat tindakan terus berlangsung.

Persyaratan utama untuk skenario ini:
- perintah ditambahkan setelah gerakan dimulai;
- tindakan saat ini tidak berhenti;
- batas waktu instruksi baru tetap terjaga.
Kriteria praktis untuk memilih adalah dukungan penambahan perintah selama proses sintesis, bukan hanya saat memulai.
Tiga elemen kontrol multi-jalur
TimelineControl menggunakan pengondisian berbasis interval. Pengondisian ini mempertahankan batas waktu instruksi. Representasi bagian tubuh yang terstruktur secara kausal menentukan struktur gerakan. Prosedur denoising yang memperhitungkan bagian tubuh mengoordinasikan tindakan simultan di berbagai area tubuh.
Fungsi setiap elemen:
- pengondisian interval mempertahankan batas waktu;
- representasi bagian tubuh mengaitkan perintah dengan area tubuh;
- denoising yang memperhitungkan bagian tubuh menyelaraskan tindakan yang berlangsung secara paralel.
Kriteria praktisnya adalah adanya interval dan bagian tubuh untuk setiap perintah. Tanpa elemen-elemen ini, kontrol multi-jalur tidak didasarkan pada desain yang diklaim.
Data TimelineMotion
Para penulis membuat dataset TimelineMotion. Dataset ini berisi interval instruksi yang saling tumpang tindih dan anotasi bagian tubuh. Struktur ini diperlukan untuk menguji perintah simultan.
Manfaat dataset:
- interval yang saling tumpang tindih menunjukkan cara sistem menangani beberapa instruksi sekaligus;
- anotasi bagian tubuh mengaitkan instruksi dengan area tubuh;
- data memungkinkan evaluasi kepatuhan terhadap batas waktu.
Kriteria praktisnya adalah dataset dengan interval yang saling beririsan. Perintah berurutan tidak menguji beban pada kontrol multi-jalur.
Hasil pada TimelineMotion dan MTT
Dalam eksperimen pada TimelineMotion dan MTT, pendekatan ini meningkatkan kesesuaian semantik. Pendekatan ini juga meningkatkan kepatuhan terhadap batasan waktu. Perbandingan dilakukan dengan model dasar streaming yang dievaluasi. Model-model tersebut mencakup model yang dilatih ulang dengan data yang sama.
Hal yang dikonfirmasi oleh para penulis:
- studi ablasi mendukung desain yang diusulkan;
- evaluasi manusia mengonfirmasi desain;
- demonstrasi pengondisian spasial disajikan;
- eksekusi gerakan oleh humanoid ditampilkan.
Kriteria praktisnya adalah evaluasi berdasarkan dua aspek: makna perintah dan ketepatan waktu. Kedua metrik tercantum dalam hasil.
Status artikel dan artefak
Artikel «Streaming Multi-Track Timeline Control for 3D Human Motion Generation» diterbitkan sebagai arXiv:2610.03873. Para penulis mengirimkan v1 pada 2 Okt 2026 dan menerbitkan revisi terbaru pada 19 Okt 2026 (v2).
Informasi utama:
- pengenal: arXiv:2610.03873;
- v1: 2 Okt 2026;
- v2: 19 Okt 2026;
- artefak: kode, data, dan model akan diterbitkan oleh para penulis.
Daftar penulis: Yangsong Zhang, Anujith Muraleedharan, Rikhat Akizhanov, Gül Varol, Fabio Pizzati, Ivan Laptev. Kriteria praktisnya adalah ketersediaan kode, data, dan model.
Pertanyaan yang sering ditanyakan
Bahan terkait
Semua bahan
COPEX membantu membedakan kerentanan model dari kelemahan infrastruktur MCP
Benchmark terkontrol ini menetapkan kerangka kerja agen dan hanya menilai pemilihan alat oleh model bahasa dalam 125 skenario serangan melalui empat kanal MCP. Dalam 3.375 uji coba pada sembilan model, rata-rata tingkat keberhasilan serangan mencapai 64,4%, sementara pemeriksaan bersama terhadap input dan konteks menurunkannya hampir separuh.
12 November 2026
Koreksi probabilistik prakiraan gelombang: BridgeCast menghubungkan model fisik dengan reanalisis melalui pencocokan streaming
Disajikan sebuah metode hibrida yang menggunakan pencocokan aliran bersyarat, arsitektur transformer, dan fitur atmosfer eksogen untuk mengubah keluaran model fisik gelombang menjadi medan yang mendekati hasil reanalisis. Para penulis melaporkan keunggulan yang konsisten dibandingkan solusi baseline mutakhir sebelumnya pada berbagai jangka waktu prakiraan dan di berbagai wilayah.
12 November 2026
RLTLDR: agen merumuskan sendiri pelajaran dari kegagalan dan menerapkannya pada percobaan berikutnya
Setelah gagal, agen diperlihatkan sinyal dari verifikator dan diminta merangkumnya menjadi satu petunjuk; pelatihan berlangsung menggunakan pasangan “tugas — petunjuk”, tanpa pengajar maupun solusi acuan. Pada benchmark yang sulit untuk pemrograman dan pemanggilan alat, metode ini meningkatkan Pass@1 dari 0–1% pada GRPO menjadi 12–31%, dengan kontribusi penentu berasal dari pembelajaran pasangan tersebut.
12 November 2026