Möbius：衔接理解与生成的统一运动-语言模型

基于摘要分析。该研究面向人体运动的理解、生成与编辑，提出统一运动-语言模型 Möbius，将扩散过程纳入运动理解所用的同一多模态表征空间，避免将生成任务交给独立的运动潜变量扩散模块。 核心机制是让干净运动、带噪运动和文本共同参与共享注意力，同时以角色专用参数处理理解与生成流。模型直接处理连续的逐帧原始运动，不需要离散 token 化或预训练运动 VAE，并在同一框架内支持运动描述、文本到运动生成、时序补全及指令引导编辑。摘要未给出具体运动特征表示、扩散目标、训练损失及任务混合策略，这些实现细节尚未验证。 作者报告，在 HumanML3D 上，Möbius 在统一运动模型这一对照范围内达到最先进性能；摘要未提供具体指标、数据划分和基线配置，因此不能扩展为对所有运动生成方法的优势。作者还报告将模型扩展至 1.7B 参数、使用 1,700 小时运动数据，以展示可扩展性，但规模变化对应的收益及训练成本尚未验证。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的机制假设是，连续信号的理解与去噪生成能够共享表征；对应 EEG 的潜在问题是如何联合学习判别表征与信号补全。可考虑复用共享注意力及任务角色参数，但需改造 EEG 输入表示、通道布局编码和噪声建模；原方法依赖连续运动与文本的联合数据及较大训练规模，其对齐需求在 EEG 上仍待核对。低信噪比、跨被试差异、通道变化和小数据可能使共享训练产生负迁移。一个可证伪的小实验是在固定 EEG 数据划分和训练预算下，对比联合分类与掩码片段去噪模型、独立任务模型，检查跨被试分类与重建误差是否同时改善。该实验仅检验机制假设，不代表原论文已有 EEG 证据；相关 EEG 工作尚未检索确认。