يُعالج هذا البحث مشكلة توليد التفاعل بين شخصين بشريين وفقًا لوصف نصي. نُشير إلى أن بعض التفاعلات، والتي نُطلق عليها تفاعلات غير متماثلة، تتضمن علاقة بين فاعل ومستلم، حيث تختلف الحركات بشكل كبير حسب الدور المُسنَد لكل منهما. ومع ذلك، فإن الدراسات الحالية المتعلقة بتوليد التفاعلات تحاول تعلم العلاقة بين Etiquette وحيدة وحركات كلا الفاعلين معًا، مما يتجاهل الفروق في الأدوار الفردية. نُقدّم مشكلة جديدة تُعرف بـ "توليد تفاعل واعٍ بالدور"، حيث يمكن تحديد الأدوار قبل التوليد. نقوم بتحويل النص الخاص بالتفاعلات غير المتماثلة إلى صيغة مبني للمعلوم والمبني للمعلوم، لضمان توافق السياق النصي مع كل دور. ونُقدّم نموذجًا يتعلّم توليد حركات الدور المُحدد، بحيث تشكّل معًا تفاعلًا متناسقًا متبادلًا. وبما أن النموذج يعالج الحركات الفردية بشكل منفصل، فإنه يمكن تدريبه مسبقًا باستخدام بيانات حركات شخص واحد لاستخلاص معرفة تُعزز دقة التفاعلات. علاوة على ذلك، نُقدّم طريقة مستوحاة من تقنية التدريب المستقل عن التبديل (Permutation Invariant Training - PIT)، والتي تُمكّن النموذج من تعلّم تلقائيًا أي من الحركتين يتوافق مع الفاعل أو المستلم، دون الحاجة إلى تسميات إضافية. كما نُقدّم حالات تُظهر فيها مقاييس التقييم الحالية عجزها في تقييم جودة التفاعلات المولّدة بدقة، ونُقترح مقياسًا جديدًا يُسمى "الاتساق المتبادل" لمعالجة هذه الثغرات. تُظهر النتائج التجريبية فعالية طريقتنا، فضلًا عن ضرورة استخدام المقياس المقترح. يمكن الاطلاع على الكود الخاص بنا عبر الرابط التالي: https://github.com/line/Human-Interaction-Generation.