我正在做一个 VR + 跨物种动作生成研究项目，请基于以下完整背景继续讨论，不要重新发散，也不要自行假设不存在的研究成果...

Prompt

我正在做一个 VR + 跨物种动作生成研究项目，请基于以下完整背景继续讨论，不要重新发散，也不要自行假设不存在的研究成果。项目起点已经实现：通过 Pico 头显、手柄、追踪器等已有 VR tracking 方法，实时获得人体全身骨骼的 6D/骨骼运动数据，类似 BVH 格式。我的最终目标不是普通的人体动作重定向，而是：人体实时骨骼运动 → 分析人体社交/交流功能 → 提取 social intent / social function → 映射到四足动物（第一目标建议为狗）对应的社会行为功能 → 生成符合四足动物身体结构和行为学规律的完整骨骼运动数据（类似 BVH/6D motion），最终驱动四足动物 avatar。因此项目真正的研究核心是“Human Social Intent → Quadruped Social Behavior → Quadruped Motion Generation”，而不是 VR tracking 本身，也不是普通 cross-skeleton retargeting。 目前已经明确：人体 VR 全身追踪只是基础设施，不是创新点；跨骨架/跨物种 motion generation 本身已经有大量研究，尤其需要关注近年来的 topology-agnostic animal motion generation、text/semantic-conditioned animal motion generation 等工作，因此不能把“人体动作变成狗动作”本身作为核心创新。我的潜在创新点是：人体动作背后的 social intent / social function 能否被抽象出来，并映射到另一个身体拓扑完全不同的动物中具有行为学依据的社会行为，再生成该动物的真实/合理运动。项目最终输出必须是真实的时序骨骼运动数据，而不是 2D 视频、动作类别或文本。例如 Human 6D/BVH → Play Invitation → Dog Play Bow → Dog BVH/6D skeleton。 目前最重要的问题不是让我设计一个新的 ground-truth 标注体系，而是让我进行严格的文献考证：我要确认“动物身体行为 → 社会/沟通功能”是否已经有真实、发表过、最好经过实验验证的研究成果，可以直接作为我研究的科学地基。不要把自己的推理、常识、科普网站或自行定义的标签当成 ground truth。我要的是已经存在的研究成果、论文、实验和数据，并给出对应链接。 目前已经找到几类重要文献，需要继续核实和扩展： 1. Byosiere, Espinosa & Smuts, 2016, “Investigating the function of play bows in adult pet dogs”。该研究不是简单把 play bow 定义为“玩耍”，而是分析 play bow 前后双方行为序列，研究其社会功能；结果支持 play bow 在成年犬社会游戏中具有 reinitiate play after a pause 等功能。链接：https://pubmed.ncbi.nlm.nih.gov/26923096/ ，论文：https://www.sciencedirect.com/science/article/pii/S0376635716300286 。这是目前最接近“具体身体行为 → 已实证验证的 social function”的研究之一。 2. Byosiere et al., 2017, “Investigating the Function of Play Bows in Dog and Wolf Puppies”。研究狗和狼幼体的 play bow，进一步说明行为功能具有物种/情境差异，不能简单假定“同一个动作 = 同一个意图”。PLOS ONE：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0168570 ，PMC：https://pmc.ncbi.nlm.nih.gov/articles/PMC5199004/ 。 3. Heberlein et al., 2018, “Cross-species referential signalling events in domestic dogs”。这是非常重要的一篇，因为研究了 37 只狗、242 个日常互动视频，识别出 19 种具有 referential properties 的狗手势，并使用明确的 referential signalling criteria 判断行为是否具有沟通性质。PMC：https://pmc.ncbi.nlm.nih.gov/articles/PMC6004278/ ，论文：https://link.springer.com/article/10.1007/s10071-018-1181-3 。这类研究比普通 ethogram 更接近“身体运动 → communicative function”。 4. 2026 年的 “Dog ethogram: Review of existing ethograms”。这篇综述系统回顾了现有 Canis 属 dog ethograms，涉及 4 个 comprehensive ethograms 和约 70 个 partial ethograms，并指出目前没有 universally accepted comprehensive dog ethogram，同时指出现有 ethogram 在 morphological description 与 functional classification 之间存在差异。ScienceDirect：https://www.sciencedirect.com/science/article/pii/S1558787826000286 。这篇主要作为现有行为分类/定义体系的基础，而不是直接作为某个 social function 的实验 ground truth。 5. “Communication in Dogs” 等犬类沟通综述，可用于了解视觉身体信号、姿态、声音、dog-dog / dog-human communication 的研究基础。PMC：https://pmc.ncbi.nlm.nih.gov/articles/PMC6116041/ 。 6. Gaunet & Deputte 2011 等关于 domestic dog referential communication 的研究，涉及狗在特定情境下通过 gaze、gaze alternation、attention-getting behaviours 等向人类传递信息，并使用明确标准判断 functionally referential / intentional communication。需要继续核实原论文及其具体实验标准，而不是简单概括。 7. 另外需要关注狗的 vocal/social signal 研究，例如 growl 在 play、resource guarding、threat 等不同 context 下具有不同声学特征。这说明不能建立简单的 Behavior → Emotion/Intent 一对一映射，而必须尊重 context dependence。但我的当前重点仍然是身体骨骼运动，而不是声音。 关于动物运动数据，我需要的是类似 BVH 的真实时序骨骼数据，而不是只有图片/视频。RGBD-Dog（Kearney et al., CVPR 2020）值得重点核实，因为其官方数据包含真实犬类 motion capture、3D markers、dog skeleton、joint rotations，并提供 skeleton.bvh。GitHub：https://github.com/CAMERA-Bath/RGBD-Dog ，CVPR论文：https://openaccess.thecvf.com/content_CVPR_2020/html/Kearney_RGBD-Dog_Predicting_Canine_Pose_from_RGBD_Sensors_CVPR_2020_paper.html 。需要进一步确认它具体包含哪些动作、BVH skeleton hierarchy、joint channels、采样率、是否存在社会互动动作，以及哪些 sequence 可以用于我的研究。DogMo（2025）也值得研究，它包含约 1,200 个真实狗动作序列、10 只狗，并使用多视角 RGB-D / 4D motion reconstruction；需要确认其公开数据最终到底提供什么格式、是否可以转成 BVH、有哪些社会行为。不要把 DogMo 简单说成“BVH 数据集”，除非查到官方证据。 此外，OmniZoo、AniMo4D、Zoo-300K、Topology-Agnostic Animal Motion Generation from Text Prompt 等新工作已经解决或部分解决“语义条件 + 多物种/不同拓扑 + 动物 motion generation”，所以需要把它们作为已有技术基础/竞争工作，而不是把跨物种动作生成本身包装成创新。尤其要核实它们的真实数据来源、动物动作语义标签以及是否包含 social/communicative behavior。我的创新空间更可能位于“social function/intent grounding”，而不是 topology-agnostic motion generation。 当前最核心的文献问题是：请不要继续告诉我“可以自己构建 ground truth”。我要先确认已有研究到底已经做到什么程度。请系统寻找已经发表的、最好有实验验证的研究，满足尽可能多的条件：① 明确定义了一个可观察的动物身体行为/gesture/posture；② 有明确的 social/communicative function，而不是简单 emotion label；③ function 是通过行为观察、行为序列、context analysis、receiver response、实验操控或其他可验证方法得到，而不是研究者主观猜测；④ 最好有明确的行为开始/结束定义或 ethogram coding；⑤ 最好能够找到对应的 3D motion capture / skeleton / BVH 数据，或者至少存在真实视频，可以进一步与 3D reconstruction 数据对应。 请最终帮我整理成“已有研究地基”，至少包括：论文标题、年份、作者、物种、具体身体行为、行为的形态定义、已验证的 social/communicative function、研究采用的验证方法、样本规模、是否属于实验/观察研究、论文结论、论文链接、数据是否公开、是否有 3D/mocap/BVH 数据。特别区分“ethogram 只是定义了行为”和“研究真正验证了行为的社会功能”这两种证据，不能混为一谈。 最终我要回答的科学问题是：现有动物行为学是否已经提供足够可靠的“Animal Behavior → Social Function”实证基础，使我可以在此基础上研究新的“Human Social Intent → Animal Social Function → Animal BVH Motion”映射。如果已有研究不足，也要明确指出具体缺口在哪里；不要为了证明项目可行而强行推断。第一目标物种以狗为主，之后再考虑狼、狐狸等四足动物。