通过生成接触声音响度调控期望力曲线，为机器人操控视频生成注入力觉先验，解决接触密集任务失败问题。

提出 CMA-OT 框架，通过分层专家监督解决舞蹈视频到音乐生成中的语义粒度不匹配问题