Story-to-Motion ist eine neue Methode, die einen Text (oberer grüner Bereich) entgegennimmt und daraus Bewegungen und Trajektorien generiert, die der Textbeschreibung entsprechen. Das System nutzt moderne Large Language Models als textgesteuerte Bewegungs-Scheduler und extrahiert aus langen Texten eine Reihe von (Text, Position)-Paaren. Es wurde zudem ein textgesteuertes Bewegungsabrufverfahren entwickelt, das klassische Bewegungsmatching und Bewegungssemantik sowie Trajektorienbeschränkungen kombiniert. Darüber hinaus wurde ein progressiver Maskierungs-Transformer entworfen, um häufige Probleme bei Übergangsbewegungen wie unnatürliche Posen und Schlurfen zu lösen. Das System zeigt in der Evaluierung von drei verschiedenen Unteraufgaben – Trajektorienverfolgung, zeitliche Bewegungszusammensetzung und Bewegungsmischung – herausragende Ergebnisse und übertrifft bisherige Verfahren der Bewegungssynthese.