Communitygithub.com

Blender-Bewegungszustandsprüfung

Verwenden Sie dieses Skill bei der Inspektion von Blender-Charakteren, Rigs, Posen, Animations-Retargeting, Bodenkontakt, Blickrichtung oder Modell-gegen-Bewegungsausrichtung, wenn Screenshots allein nicht ausreichen.

Was ist Blender-Bewegungszustandsprüfung?

Dieser Skill dient der systematischen Analyse von 3D-Charakteren und Animationen in Blender. Er kombiniert strukturierte Extraktion von Zustandsdaten (wie Bone-Positionen, Begrenzungsrahmen, Kontaktpunkte) mit visueller Bestätigung durch Screenshots oder Renders. Der Workflow erfasst Szeneninventar, Skelett-Identifikation, Achsensysteme, Animationsframes und Modellintegrität. Der Nutzen liegt in der zuverlässigen Diagnose von Problemen wie Fußgleiten, gespiegelten Importen oder falscher Bodendurchdringung. Der Skill wird über Blender Python innerhalb von Blender selbst ausgeführt und erfordert keine zusätzlichen Add-ons. Er ist für alle gängigen AI-Agenten-Plattformen (Claude Code, Cursor, Codex) geeignet, die Skripte ausführen oder strukturierte Daten über eine JSON-Schnittstelle abfragen können.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/blender-motion-state-inspection

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Blender-Bewegungszustandsprüfung?

Wann verwenden

  • Ein Blender-Charakter sieht in einer Animation verdreht, gespiegelt, abgeflacht, versetzt oder gleitfüßig aus.
  • Ein Benutzer fragt, ob ein importierter Avatar, ein Armature oder eine neu zielgerichtete Bewegung der erwarteten Pose entspricht.
  • Sie müssen gerenderte Beweise mit strukturierten Fakten wie Knochen, Begrenzungsrahmen, Kontakten und Richtungsvektoren vergleichen.
  • Ein Workflow hängt von der Entscheidung ab, ob ein Modell ein Charakter, ein Requisit, ein Proxy-Netz, ein Steuerungs-Rig oder ein defekter Import ist.

Kernprinzip

Beurteilen Sie animierte 3D-Assets nicht allein anhand von Screenshots. Screenshots sind Beweismittel für die Überprüfung, aber sie verbergen Achsenkonventionen, Bone-Namen, Objektskalierungen, lokale Transformationen, Eltern-Kind-Verknüpfungen von Netzen, Material-Slots und den frame-genauen Kontaktzustand.

Extrahieren Sie zuerst den strukturierten Blender-Zustand und verwenden Sie dann Viewport-Screenshots oder Renders, um zu bestätigen, was die Fakten implizieren.

Funktionsweise

  1. Stellen Sie die saubere Szene und die Asset-Basislinie her, bevor Sie die Bewegung beurteilen.
  2. Extrahieren Sie strukturierte Fakten aus Blender mithilfe eines Exporteurs oder Blender Python, das in der eigenen Blender-Interpreter-Umgebung ausgeführt wird.
  3. Untersuchen Sie die Frames, die am ehesten Kontakt-, Orientierungs-, Skalierungs- und Retargeting-Fehler aufzeigen.
  4. Vergleichen Sie die gemessenen Fakten mit der erwarteten Pose, Richtung, Grundebene und dem Rendering-Ziel des Benutzers.
  5. Erstellen Sie einen prägnanten Bericht, der bestätigte Fakten, wahrscheinliche Ursachen und erforderliche Korrekturen trennt.

Inspektionsworkflow

  1. Inventarisieren Sie die Szene.

    • Listen Sie Netze, Armatures, Empties, Kameras, Lichter, Modifikatoren, Eltern-Kind-Beziehungen und ausgeblendete Objekte auf.
    • Trennen Sie Charakternetze von Helfer-/Proxy-Geometrie, bevor Sie den Avatar beurteilen.
    • Zeichnen Sie die Begrenzungsrahmen in Objekt- und Weltkoordinaten auf.
  2. Identifizieren Sie das Skelett.

    • Erfassen Sie die Namen der Armatures, Pose-Bones, Bone-Köpfe/-Enden, Roll-Winkel, Elternketten, Constraints und die Achsen der Ruhepose.
    • Ordnen Sie semantische Knochen wie Hüften, Wirbelsäule, Hals, Kopf, Schultern, Ellbogen, Hände, Oberschenkel, Knie, Knöchel und Füße zu.
    • Kennzeichnen Sie fehlende Links/Rechts-Paare und ungewöhnliche Namensgebung.
  3. Bestimmen Sie die Vorwärts-, Aufwärts- und Seitenachsen.

    • Verwenden Sie Becken, Wirbelsäule, Schultern, Hüften, Kopf und Füße gemeinsam; verlassen Sie sich nicht nur auf eine einzelne Netz-Normale.
    • Vergleichen Sie die lokalen Armature-Achsen mit den Weltachsen und den importierten Dateikonventionen wie glTF Y-up gegenüber Blender Z-up.
    • Markieren Sie wahrscheinlich gespiegelte oder rückwärts importierte Objekte, wenn die Gesichts-/Kopf-/Fußrichtung mit der Root-Bewegung in Konflikt steht.
  4. Untersuchen Sie Animationsframes.

    • Prüfen Sie erste, mittlere, Kontakt-, luftgetragene und extreme Frames.
    • Zeichnen Sie Root-Position, Root-Richtung, Beckenhöhe, Oberkörperneigung, Gliedmaßenrichtungen, Fußfreiheit und Netzgrenzen auf.
    • Bei langer oder schneller Bewegung untersuchen Sie dichter um Überschläge, Landungen, Drehungen, Kollisionen und Bodenkontakte.
  5. Prüfen Sie die Modellintegrität, bevor Sie dem Retargeting die Schuld geben.

    • Bestätigen Sie die saubere Basisform, bevor Sie die Animation anwenden.
    • Bewahren Sie das ursprüngliche Netz, Materialien, die Armature und die Hautzuordnung, es sei denn, der Benutzer bittet explizit um Reparatur.
    • Behandeln Sie unerklärliche kugelartige Klumpen, riesige Proxy-Netze oder zerquetschte Körper als Import-/Auswahlprobleme, bis das Gegenteil bewiesen ist.
  6. Diagnostizieren Sie Kontakt- und Bewegungsprobleme.

    • Bodendurchdringung: Vergleichen Sie die niedrigsten Fuß- oder Schuh-Vertices mit der Bodenhöhe pro Frame.
    • Fußgleiten: Vergleichen Sie die Weltpositionen der Füße über stehende Frames hinweg.
    • Beinüberkreuzung: Vergleichen Sie die Seitenreihenfolge von linkem/rechtem Oberschenkel, Knie, Knöchel und Fuß.
    • Verdrehungsschaden: Vergleichen Sie die Knochenschwenkrichtung getrennt von der Roll-/Verdrehung um die Gliedmaßenachse.
    • Skalierungsdrift: Vergleichen Sie die animierten Netzgrenzen mit den sauberen Basisgrenzen.
  7. Berichten Sie Fakten vor Meinungen.

    • Geben Sie Framenummern, Objektnamen, Bone-Namen, Weltkoordinaten und Schwellenwerte an.
    • Trennen Sie bestätigte Fehler von visuellen Verdachtsmomenten.
    • Fügen Sie Screenshots erst bei, nachdem der strukturierte Zustand erklärt hat, worauf zu achten ist.

Empfohlenes Berichtsformat

## Blender-Bewegungsprüfung

### Szeneninventar
- Charakterkandidaten:
- Armatures:
- Helfer-/Proxy-Objekte:
- Kameras/Lichter:

### Orientierung
- Welt-oben:
- Charakter-vorwärts:
- Root-Richtung:
- Gespiegelt/rückwärts Risiko:

### Basisintegrität
- Saubere Netzgrenzen:
- Animierte Netzgrenzen:
- Materialien/Haut erhalten:
- Verdächtige Nicht-Charakter-Netze:

### Frame-Ergebnisse
| Frame | Befund | Beweis |
| --- | --- | --- |
| 1 | Saubere Basis-Pose | Hüften/Wirbelsäule/Füße ausgerichtet |
| 96 | Fuß durchdringt Boden | linke_fuß min_z = -0.04 |

### Urteil
- Bestanden/nicht bestanden:
- Erforderliche Korrektur:
- Bereit zum Rendern:

Beispiele

Gehzyklus mit Fußgleiten

Szenario: Ein neu zielgerichteter Charakter scheint während eines Gehzyklus zu rutschen, aber der vordere Kamerawinkel macht den Fußkontakt schwer zu beurteilen.

Wenden Sie den Workflow an:

  • Inventarisieren Sie die Szene: Charakternetz HeroBody, Armature HeroRig, Grundebene Floor, keine versteckten Proxy-Netze.
  • Identifizieren Sie das Skelett: semantische Füße sind foot.L und foot.R; Hüften sind pelvis; Root-Bone ist root.
  • Untersuchen Sie Animationsframes: prüfen Sie Frames 1, 18, 24, 30, 42 und 48 um die Standbein-Momente herum.
  • Diagnostizieren Sie Kontakt- und Bewegungsprobleme: vergleichen Sie die Weltpositionen der Füße während der Standbein-Frames.

Extrahierte Fakten:

FrameFaktBeweis
18Linker Fuß stehtfoot.L min_z = 0.004, Zeh und Ferse nahe Boden
24Linker Fuß gleitet während des Standsfoot.L x = 0.21 -> 0.28 über sechs Frames
30Becken bewegt sich weiter vorwärtspelvis y = 1.14 -> 1.31

Urteil: nicht bestanden für Renderbereitschaft. Die Bewegung benötigt eine Fußverriegelungsbereinigung oder eine Überprüfung der Retargeting-Constraints; das Körpernetz benötigt keine Proportionenänderungen.

Rückwärts importierter Charakter

Szenario: Ein Charakter sieht in einem Standbild korrekt aus, aber die Animation bewegt sich entgegen der erwarteten Bewegungsrichtung.

Wenden Sie den Workflow an:

  • Bestimmen Sie die Vorwärts-, Aufwärts- und Seitenachsen: vergleichen Sie Kopf, Brust, Füße und Root-Bewegung.
  • Untersuchen Sie Animationsframes: prüfen Sie Frame 1 und den Mittelpunkt des Bewegungspfads.
  • Berichten Sie Fakten vor Meinungen: geben Sie die Root-Richtung und die Modell-Blickrichtung getrennt an.

Extrahierte Fakten:

FrameFaktBeweis
1Charaktergesicht zeigt in Richtung Welt -YKopf/Brust-Vektor von neck zu head zeigt auf -Y
72Root-Bewegung verläuft in Richtung Welt +Yroot y = 0.0 -> 2.8
72Füße bleiben visuell entgegen der BewegungsrichtungZehenknochen zeigen -Y, während die Verschiebung +Y ist

Urteil: wahrscheinlich rückwärts importiert oder Fehlanpassung der Vorwärtsachse beim Retargeting. Korrigieren Sie die Achsenzuordnung von Import/Retargeting, bevor Sie die Animationskurven bearbeiten.

Praktische Schwellenwerte

  • Gehen Sie von Blenders standardmäßigen Meterskalierungseinheiten aus, es sei denn, der Szenenmaßstab gibt etwas anderes an.
  • Behandeln Sie Bodendurchdringung von mehr als 1-2 cm als sichtbar, es sei denn, der Boden ist weich oder absichtlich stilisiert.
  • Behandeln Sie eine plötzliche Skalierungsänderung von mehr als 5 % als wahrscheinliches Rig-, Constraint- oder Transformationsvererbungsproblem.
  • Behandeln Sie Links/Rechts-Knöchel-Seitenumkehr während invertierter Bewegung in der Luft als Risiko einer Beinüberkreuzung, auch wenn sie sich später erholt.
  • Behandeln Sie Root-Richtungssprünge von mehr als 30 Grad pro Frame als verdächtig, es sei denn, die Quellbewegung enthält eine Schnelldrehung.

Anti-Patterns

  • Ändern Sie keine Körperproportionen, um eine Posenanpassung zu erzwingen, es sei denn, die Aufgabe ist explizit die Netzreparatur.
  • Backen Sie nicht die saubere Basislinie weg, bevor Sie sie aufgezeichnet haben.
  • Verwenden Sie nicht eine einzelne gerenderte Kameraperspektive als Beweis dafür, dass eine Pose korrekt ist.
  • Löschen Sie keine Helferobjekte, bevor Sie aufgezeichnet haben, warum sie nicht Teil des Charakters sind.
  • Gehen Sie nicht davon aus, dass ein Avatar +Y, -Y, +X oder -X zugewandt ist, ohne Kopf, Füße, Torso und Root-Bewegung gemeinsam zu prüfen.

Hinweise zu Werkzeugen

Falls ein Blender-Zustandsexporteur verfügbar ist, bevorzugen Sie JSON, das Netze, Armatures, Pose-Bones, Materialien, Kontakte, Begrenzungsrahmen und abgetastete Animationsframes enthält. Falls kein Exporteur existiert, führen Sie ein kleines Blender-Python-Skript über Blender selbst aus, z. B. blender --background scene.blend --python collect_motion_state.py, da bpy in einem normalen System-Python-Interpreter nicht verfügbar ist.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills