论文导读
澳大利亚国立大学、阿德莱德大学、西湖大学、香港科技大学（广州）提出UniMo，用统一表示学习人和动物动作。配套UniML3D包含145907段动作与433388条描述，动物规模约为AnimalML3D的102倍；数据主要来自既有与合成资源，生成质量不能等同于真实生物运动学验证。
人形骨架规则，到了动物身上就失效
文字生成人体动作已经能处理“向前跑并挥手”，因为多数人体数据共享相近的关节数量和连接方式。动物差异大得多：四足、鸟类和爬行动物的骨骼拓扑不同，同一个关节编号没有统一含义。传统方法往往为每类骨架训练一套模型，数据和能力难以共享。
UniMo不强迫所有物种套进人体骨架，而是把每一帧表示成带语义的三维点集合。模型关注点在哪里、如何运动以及点之间的关系，从而减少对固定关节表的依赖。
论文图：同一模型根据文字生成多种人类与动物动作，展示跨骨骼结构的统一表示。
先抹平格式，再保留结构差异
统一表示并不意味着忽略骨骼。方法为每个点加入局部结构和物种条件，让模型知道哪些点属于同一肢体、运动范围有何不同。训练时，人类与动物动作进入同一个生成框架，公共的速度、节奏和方向知识可以共享，特定结构则由条件信息区分。
文字描述也被统一整理。比如“熊向前奔跑”和“人向前奔跑”都包含前进与节奏信息，但四肢摆动方式不同。模型可以共享语言中的动作概念，再生成符合目标骨骼的轨迹。
论文图：UniML3D汇集不同骨骼与物种的动作，并与既有动作数据集比较规模。
14.6万段动作扩大跨物种训练
UniML3D共含145907段动作和433388条文字描述。论文报告，动物动作与描述规模超过AnimalML3D约102倍。更大的覆盖让研究者能在同一设置下训练和比较人类、四足及其他动物，而不是依赖零散的小数据集。
实验考察文字与动作匹配、动作自然度和多样性。统一模型能够跨骨骼生成，并在论文给出的基线上取得有竞争力的结果；用户研究也用于补充自动指标，因为一个轨迹数值合理，不一定在人眼看来像真实动物。
论文图：不同骨骼的动作先编码为点云表征，再结合骨骼模板解码回对应的人或动物动作。
数据规模不等于生物真实性。部分动作经过重定向或合成，不同物种的关节限制和肌肉动力学也未被完整建模。因此它更适合动画与生成研究，不能直接当作机器人控制或动物行为学依据。
下一步是让动作真正接触环境
统一动作模型可降低游戏、影视和虚拟世界为每个物种单独制作数据的成本。下一步应加入地面接触、碰撞、体型和动力学约束，让奔跑不打滑、跳跃能落地，也让动作能适应坡地和障碍。
另一条路线是支持用户给出参考视频或少量关键帧，在保持骨骼合法的前提下迁移动作。只有从“看起来像”走向“与环境相互作用也合理”，跨物种生成才能进入高质量制作流程。
