الرقص المُحفَّز بالموسيقى يُعدّ مشكلة صعبة ذات تطبيقات صناعية واسعة النطاق. في الآونة الأخيرة، تم اقتراح العديد من الطرق لمحاكاة حركات الرقص من الموسيقى بالنسبة لرقصة فردية. ومع ذلك، لا يزال إنتاج حركات الرقص الجماعية مشكلة مفتوحة. في هذه الورقة، نقدّم $\rm AIOZ-GDANCE$AIOZ−GDANCE، مجموعة بيانات جديدة وواسعة النطاق لمحاكاة الرقص الجماعي المُحفَّز بالموسيقى. على عكس المجموعات الحالية التي تدعم فقط الرقص الفردي، تحتوي مجموعتنا الجديدة على مقاطع فيديو للرقص الجماعي، مما يمكّن من دراسة تخطيط الرقص الجماعي. نقترح طريقة تسمية شبه ذاتية مع مشاركة البشر في الحلقة لاستخلاص القيم الحقيقية ثلاثية الأبعاد لمجموعتنا. تتكوّن المجموعة من 16.7 ساعة من الأغاني المرتبطة بحركات ثلاثية الأبعاد مستمدة من مقاطع فيديو من البيئة الواقعية، وتغطي 7 أنماط رقص و16 نوعًا موسيقيًا. نُظهر أن تطبيق تقنيات إنشاء الرقص الفردي بشكل مباشر لإنشاء رقص جماعي قد يؤدي إلى نتائج غير مرضية، مثل الحركات غير المتسقة واصطدامات بين الراقصين. بناءً على مجموعتنا الجديدة، نقترح طريقة جديدة تأخذ تسلسلًا موسيقيًا ومجموعة من المواقع ثلاثية الأبعاد للراقصين كمدخلات، وتُنتج بكفاءة عدة تخطيطات رقص جماعية متماسكة. كما نقترح مقاييس تقييم جديدة لقياس جودة الرقص الجماعي، ونُجري تجارب مكثفة لإثبات فعالية طريقة العمل لدينا. يُسهِّل هذا المشروع الأبحاث المستقبلية في مجال إنشاء الرقص الجماعي، وهو متاح عبر الرابط التالي: https://aioz-ai.github.io/AIOZ-GDANCE/