نقترح إطارًا جديدًا، توليد الحركة حسب الطلب (ODMO)، لتقديم سلاسل حركية ثلاثية الأبعاد طويلة المدى وواقعية ومتنوعة بناءً على أنواع الأنشطة فقط مع إمكانية التخصيص الإضافية. أظهر ODMO تحسينات على أفضل الأساليب الحالية (SOTA) في جميع مقاييس تقييم الحركة التقليدية عند اختباره على ثلاثة مجموعات بيانات عامة (HumanAct12، UESTC، و MoCap). بالإضافة إلى ذلك، نقدم تقييمات نوعية وكمية توضح العديد من قدرات التخصيص المعروفة لأول مرة التي يوفرها إطارنا، بما في ذلك اكتشاف النماذج، والتناظر بين النماذج، وتخصيص المسار. هذه القدرات توسع بشكل كبير نطاق التطبيقات المحتملة لمثل هذه نماذج توليد الحركة.يُمكّن القدرات الجينيراتيفية الجديدة حسب الطلب من الابتكارات في كل من هندسة المُشفِّر والمُفكِّك: (i) المُشفِّر: استخدام التعلم التبايني في الفضاء الكامن ذي البعد المنخفض لإنشاء تمثيل هرمي للسلاسل الحركية، حيث لا يشكل رموز أنواع الأنشطة المختلفة مجموعات مختلفة فحسب، بل داخل نوع نشاط معين، تتجمع رموز الأنماط الذاتية المشابهة (أساليب الحركة) معًا مما يجعلها قابلة لاكتشافها بسهولة؛ (ii) المُفكِّك: استخدام استراتيجية فك شفرة هرمية حيث يتم إعادة بناء مسار الحركة أولاً ثم استخدامه لإعادة بناء سلسلة الحركة بأكملها. يتيح مثل هذا الهيكل تحكم فعال في المسار. لقد أطلقنا كودنا على الصفحة الرسمية لـ GitHub: https://github.com/roychowdhuryresearch/ODMO