Bailandoでは、空間的な問題に対処するために、ダンスの動きから基本的かつ
再利用可能な構成要素を集約した振付メモリを用いることを提案している。振
付メモリは有限辞書であり、VQ-VAE (Vector Quantized Variational
Autoencoder)を使用して学習されており、各コードがユニークなポーズを表す
ようになっている。時間的な問題に対しては、音楽と最初のポーズコードを先
のポーズコードに変換するためのActor-CriticモーションGPTと呼ばれるネット
ワークを導入している。音楽と開始ポーズコードが与えられると、
Actor-CriticモーションGPTは自己回帰的に先のポーズコードを予測する。この
コードは、振付メモリ内の対応する量子化された特徴に埋め込まれ、最終的に
CNNデコーダによってデコードされ、ダンス動作が生成される。本研究では、
Bailandoによるダンス動作生成の報酬の変更による改良を提案する。