본 논문은 인간의 행동-반응 합성을 위한 새로운 프레임워크인 Action-Reaction Flow Matching (ARFlow)을 제안합니다. 기존 확산 기반 모델의 복잡한 조건 메커니즘과 물리적 위반 문제를 해결하기 위해, ARFlow는 직접적인 행동-반응 매핑을 구축하고, 속도장 대신 직접 인간의 움직임을 출력하는 x1-예측 방법과 훈련이 필요 없는 기울기 기반 물리적 안내 메커니즘을 도입합니다. NTU120과 Chi3D 데이터셋을 사용한 실험 결과, ARFlow는 기존 방법보다 FID와 동작 다양성 측면에서 우수한 성능을 보였으며, 신규 지표인 Intersection Volume과 Intersection Frequency를 통해 신체 충돌을 현저히 감소시켰음을 보여줍니다.
