본 논문은 인간의 상호작용을 모델링하는 데 있어 기본적인 과제인 인간 행동-반응 합성에 초점을 맞추고 있다. 기존 확산 기반 모델의 복잡한 노이즈-반응 생성기와 조건부 메커니즘 및 잦은 물리적 위반 문제점을 해결하기 위해, Action-Reaction Flow Matching (ARFlow)이라는 새로운 프레임워크를 제시한다. ARFlow는 복잡한 조건부 메커니즘 없이 직접적인 행동-반응 매핑을 구축하며, 속도장 대신 인간의 움직임을 직접 출력하는 x1-예측 방법과 훈련이 필요 없는 기울기 기반 물리적 안내 메커니즘을 통해 물리적 제약을 명시적으로 적용하고 신체 관통 아티팩트를 효과적으로 방지한다. NTU120 및 Chi3D 데이터셋을 사용한 실험 결과, ARFlow는 기존 방법보다 FID(Frechet Inception Distance)와 동작 다양성 측면에서 우수한 성능을 보이며, 새롭게 제안된 Intersection Volume과 Intersection Frequency 지표를 통해 신체 충돌을 상당히 줄이는 것으로 나타났다.
