본 논문은 인간의 행동-반응 합성을 위한 새로운 프레임워크인 Action-Reaction Flow Matching (ARFlow)을 제안합니다. 기존 확산 기반 모델의 복잡한 조건 메커니즘과 물리적 오류 발생 문제를 해결하기 위해, ARFlow는 직접적인 행동-반응 매핑을 구축하고, Flow Matching (FM)에 특화된 물리적 안내 메커니즘을 도입하여 신체 관통 아티팩트를 효과적으로 방지합니다. 또한, 기존 FM 샘플링 알고리즘의 편향을 발견하고 투영 방법을 사용하여 샘플링 방향을 수정하고, 무작위성을 추가하여 반응 다양성을 향상시킵니다. NTU120, Chi3D, InterHuman 데이터셋에서의 실험 결과, ARFlow는 기존 방법보다 Frechet Inception Distance와 동작 다양성 측면에서 우수한 성능을 보이며, 새로운 Intersection Volume과 Intersection Frequency 지표로 측정했을 때 신체 충돌을 크게 줄이는 것으로 나타났습니다.
