AnyMo：野外几何感知、设置无关的人体运动建模框架
原帖
**AnyMo：野外环境中几何感知、设置无关的人体运动建模**
_AnyMo: Geometry-Aware Setup-Agnostic Modeling of Human Motion in the Wild_
> 该论文介绍了AnyMo，一个用于野外环境中几何感知、设置无关的人体运动建模的框架。它利用基于物理的惯性测量单元（IMU）模拟，在密集体表位置上生成多样化且合理的合成信号，预训练一个图编码器，并将多位置IMU数据标记为全身运动标记，再与大型语言模型（LLM）对齐以实现运动-语言理解。在零样本活动识别、跨模态检索和运动描述生成等任务上，AnyMo显著提升了性能，表明它是一个适用于野外可穿戴运动理解的通用模型。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.22715)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
该论文介绍了AnyMo框架，用于在野外环境中进行几何感知、设置无关的人体运动建模。它利用基于物理的IMU模拟生成合成信号，预训练图编码器，将多位置IMU数据标记为全身运动标记，并与大型语言模型（LLM）对齐以实现运动-语言理解。在零样本活动识别、跨模态检索和运动描述生成等任务上，该框架显著提升了性能，表明它是一个适用于野外可穿戴运动理解的通用模型。
答案说明
该论文介绍了AnyMo框架，它通过基于物理的IMU模拟和与LLM的对齐，实现了在野外环境中几何感知、设置无关的人体运动建模，并在多项任务上提升了性能。
这篇帖子回答的问题
- AnyMo框架的主要功能和目的是什么？
- AnyMo框架在哪些任务上展示了性能提升？
核心观点
- AnyMo是一个用于野外环境中人体运动建模的框架，它利用基于物理的IMU模拟和与LLM的对齐来实现运动-语言理解。
- 该框架在零样本活动识别、跨模态检索和运动描述生成等任务上显著提升了性能，表明它是一个适用于野外可穿戴运动理解的通用模型。
FAQ
- Q: AnyMo框架的核心技术是什么？
- A: 该框架的核心技术包括基于物理的IMU模拟生成合成信号、预训练图编码器、将多位置IMU数据标记为全身运动标记，以及与大型语言模型（LLM）对齐以实现运动-语言理解。
- Q: 该论文来自哪个来源？
- A: 该论文来自HuggingFace Daily Papers（社区热门论文），发布时间为2026-05-22 08:00（北京时间）。
关键实体
- AnyMo
- 惯性测量单元（IMU）
- 大型语言模型（LLM）
- HuggingFace Daily Papers