MoRL: Razonamiento Reforzado para la Comprensión y Generación Unificada de Movimiento
MoRL: Reinforced Reasoning for Unified Motion Understanding and Generation
February 16, 2026
Autores: Hongpeng Wang, Zeyu Zhang, Wenhao Li, Hao Tang
cs.AI
Resumen
La comprensión y generación del movimiento humano son cruciales para la visión artificial y la robótica, pero siguen adoleciendo de capacidades de razonamiento y planificación en tiempo de prueba limitadas. Proponemos MoRL, un modelo unificado de movimiento multimodal entrenado con ajuste fino supervisado y aprendizaje por refuerzo con recompensas verificables. Nuestro diseño de recompensas específico por tarea combina alineación semántica y coherencia de razonamiento para la comprensión, con plausibilidad física y consistencia texto-movimiento para la generación, mejorando tanto el razonamiento lógico como el realismo perceptual. Para mejorar aún más la inferencia, introducimos Chain-of-Motion (CoM), un método de razonamiento en tiempo de prueba que permite una planificación y reflexión paso a paso. También construimos dos conjuntos de datos CoT a gran escala, MoUnd-CoT-140K y MoGen-CoT-140K, para alinear secuencias de movimiento con trazas de razonamiento y descripciones de acciones. Los experimentos en HumanML3D y KIT-ML muestran que MoRL logra mejoras significativas respecto a los métodos de referencia más avanzados. Código: https://github.com/AIGeeksGroup/MoRL. Sitio web: https://aigeeksgroup.github.io/MoRL.
English
Human motion understanding and generation are crucial for vision and robotics but remain limited in reasoning capability and test-time planning. We propose MoRL, a unified multimodal motion model trained with supervised fine-tuning and reinforcement learning with verifiable rewards. Our task-specific reward design combines semantic alignment and reasoning coherence for understanding with physical plausibility and text-motion consistency for generation, improving both logical reasoning and perceptual realism. To further enhance inference, we introduce Chain-of-Motion (CoM), a test-time reasoning method that enables step-by-step planning and reflection. We also construct two large-scale CoT datasets, MoUnd-CoT-140K and MoGen-CoT-140K, to align motion sequences with reasoning traces and action descriptions. Experiments on HumanML3D and KIT-ML show that MoRL achieves significant gains over state-of-the-art baselines. Code: https://github.com/AIGeeksGroup/MoRL. Website: https://aigeeksgroup.github.io/MoRL.