Sonic-AMG：基于空间音频的流式人体动作生成

基于摘要分析。Sonic-AMG 研究如何在不预知后续声音的条件下，根据音频内容及声源位置流式生成人体反应动作，主要贡献是将因果动作生成、rehearsal training 与 spatial feedback 结合，以缓解训练与流式推理之间的历史和空间条件偏差。其研究对象是音频驱动的人体动作生成，而非神经信号解码。 模型将声学内容与身体相对声源几何分别编码为 token，由带 flow head 的因果 Transformer 生成连续动作潜变量，再通过因果解码器重建动作片段。标准 teacher-forced 训练从真实动作获得动作历史及身体相对声源位置，而在线推理依赖生成动作，因此两阶段的条件分布可能不同。rehearsal training 将完整序列的 teacher-forced 监督与短程自回归 self-rollout 上的监督预测结合；spatial feedback 则在该训练过程和推理时，根据生成的根部位姿重新计算身体相对声源位置，使空间条件随生成动作更新。 作者报告，在 SAM 上取得 state-of-the-art FID 和 R-precision，并支持跨声音事件和声源位置的实时在线连贯反应生成。摘要未提供具体分数、数据划分、对照方法、运行硬件或延迟，相关实验协议、消融及统计信息尚未验证；“实时”能力仍需结合正文的测量条件核对。 平台推测（待验证）：其机制对具有自回归输出历史、且外部条件随输出状态变化的闭环系统具有参考价值，但不能直接视为 EEG 解码方法。若将其用于 EEG 控制的虚拟身体，假设可复用短程 self-rollout 监督和基于生成姿态的条件更新，仍需新增 EEG 编码及意图监督，并改造动作条件接口。低信噪比、跨被试和通道差异、小样本训练可能使解码误差在闭环中累积。可先在固定 EEG 解码器和相同数据划分下，对比是否加入短程 self-rollout 训练，检验闭环动作误差是否下降。相关 EEG 工作尚未检索确认。