본 논문은 사람과 같은 행동-반응 생성 모델링을 위한 새로운 프레임워크인 Think-Then-React (TTR)을 제안합니다. TTR은 대규모 언어 모델 기반으로, 행동 의도를 추론하고 반응 설명을 생성하는 '생각하는 과정'과 입력 행동과 추론된 의미적 프롬프트를 기반으로 반응을 예측하는 '반응하는 과정'의 두 과정을 통합합니다. 또한, 자기중심 자세와 절대 공간 특징을 분리하여 다인 행동을 효과적으로 표현하는 통합된 모션 토크나이저를 제안합니다. 실험 결과, TTR은 기존 방법들보다 우수한 성능을 보이며, FID 지표를 3.988에서 1.942로 크게 감소시켰습니다. 이를 통해 인간-로봇 상호작용 및 게임과 같은 다양한 실제 응용 분야에 기여할 수 있습니다.
