En este artículo, presentamos un sistema de gestión de movimiento humano (HMS) con IA generativa (G-AI-HMS) que busca mejorar la calidad de la simulación del movimiento humano (HMS) para una evaluación rentable del comportamiento, la seguridad y la productividad de los trabajadores en entornos industriales. G-AI-HMS mejora la calidad de la simulación de tareas físicas mediante la integración de modelos de texto a texto y de texto a movimiento. Los principales desafíos son (1) convertir las descripciones de las tareas a lenguaje de reconocimiento de gestos mediante un modelo de lenguaje a gran escala alineado con el vocabulario de MotionGPT, y (2) validar los movimientos mejorados por IA con movimientos humanos reales mediante visión artificial. Aplicamos un algoritmo de estimación de pose a vídeos en tiempo real para extraer puntos de referencia articulares y compararlos con secuencias mejoradas por IA mediante una métrica de similitud de movimiento. En un estudio de caso de ocho tareas, demostramos que los movimientos mejorados con IA superan a las descripciones generadas por humanos en la mayoría de los escenarios, y superan a estas últimas en seis tareas en cuanto a precisión espacial, en cuatro tareas en cuanto a alineación tras la normalización de la pose y en siete tareas en cuanto a similitud temporal general. El análisis estadístico mostró que las indicaciones mejoradas con IA redujeron significativamente (p < 0,0001) los errores articulares y de alineación temporal, manteniendo una precisión de pose comparable.
