Cartwheel 发布人体动作生成缩放定律

动画公司 Cartwheel 团队发布旗舰论文《Compute-Optimal Scaling Laws for Human Motion Generation》，首次系统研究人体动作生成的计算最优缩放定律，证实该领域与语言建模类似遵循 Chinchilla 缩放规律，为动画、机器人与游戏制作提供了明确的扩展路径。

已确认

• 团队构建了世界最大规模的高质量人体运动数据集，并训练了数百个不同规模的模型以验证扩展定律
• 结果表明可通过算力与数据的持续投入提升生成质量，长期制约生产应用的数据规模瓶颈有望被打破
• 据 Andrew Carr 介绍，在流匹配（FM）和 AR 配置下，数据可重复使用 30 次而无负面影响，显著缓解动作数据稀缺问题
• 模型权重中学习到了物理知识与人体生理学特征

为什么重要

• 人体动作生成长期被视为小众、难以规模化的方向，动画师、机器人学家和游戏开发者虽看好潜力，却始终难以达到生产级要求
• 作者 Andrew Carr 称该研究确立了动作生成作为可扩展模态的地位（其称之为「第五个可扩展模态」），意味着该领域可借鉴语言模型已被验证的扩展方法论；数据可重用 30 次的发现进一步降低了规模化训练的数据成本

2026-08-25 ~ 2026-08-26 · 7 条相关

• 【源头】人体动作生成也有 Chinchilla 定律：第五个可扩展模态 — andrew_n_carr · 2026-08-25
• 人体运动生成缩放定律：数据瓶颈或被打破 — andrew_n_carr · 2026-08-25
• 新研究揭示人体动作生成遵循 Chinchilla 缩放定律 — andrew_n_carr · 2026-08-25
• Cartwheel 发论文：人体运动生成首次有了算力最优 scaling law — tw_killian · 2026-08-26
• 【源头】动作生成遵循 Chinchilla 定律，数据可重用 30 次 — andrew_n_carr · 2026-08-26

另有 2 条近重复转述:tw_killian · OfficialLoganK