Communitygithub.com

Inspeção de Estado de Movimento no Blender

Use esta skill ao inspecionar personagens, rigs, poses, retargeting de animação, contato com o solo, direção de face ou alinhamento modelo-vs-movimento no Blender, onde capturas de tela sozinhas não são suficientes.

O que é Inspeção de Estado de Movimento no Blender?

Esta skill fornece um workflow sistemático para inspecionar o estado interno de cenas e animações 3D no Blender, indo além do que capturas de tela podem revelar. Ela é útil para desenvolvedores e artistas técnicos que precisam diagnosticar problemas como torção, espelhamento, achatamento, deslocamento ou deslizamento de pés em personagens retargeted. A skill suporta qualquer versão do Blender e pode ser usada com ferramentas de IA como Claude Code, Cursor ou Codex. O processo envolve extrair fatos estruturados (ossos, bounding boxes, contatos, vetores de direção) do Blender via Python, amostrar quadros-chave da animação, e comparar esses dados com a pose esperada. O resultado é um relatório conciso que separa fatos confirmados de suspeitas visuais, orientando correções precisas sem modificar o asset desnecessariamente.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/blender-motion-state-inspection

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Inspeção de Estado de Movimento no Blender faz?

Quando Usar

  • Um personagem do Blender parece torcido, espelhado, achatado, deslocado ou com deslizamento de pés em uma animação.
  • Um usuário pergunta se um avatar importado, armadura ou movimento retargeted corresponde a uma pose esperada.
  • Você precisa comparar evidências renderizadas com fatos estruturados, como ossos, bounding boxes, contatos e vetores de direção.
  • Um workflow depende de decidir se um modelo é um personagem, adereço, malha proxy, rig de controle ou importação quebrada.

Princípio Fundamental

Não julgue assets 3D animados apenas com capturas de tela. Capturas de tela são evidências de revisão, mas ocultam convenções de eixos, nomes de ossos, escala do objeto, transformações locais, malhas com parenting, slots de material e estado de contato quadro a quadro.

Primeiro, extraia o estado estruturado do Blender; depois, use capturas de tela da viewport ou renders para confirmar o que os fatos implicam.

Como Funciona

  1. Estabeleça a cena limpa e a linha de base do asset antes de julgar o movimento.
  2. Extraia fatos estruturados do Blender usando um exportador ou Python do Blender executado no próprio interpretador do Blender.
  3. Amostre os quadros com maior probabilidade de expor erros de contato, orientação, escala e retargeting.
  4. Compare os fatos medidos com a pose esperada, direção, plano do solo e objetivo de renderização do usuário.
  5. Retorne um relatório conciso que separa fatos confirmados, causas prováveis e correções necessárias.

Workflow de Inspeção

  1. Inventarie a cena.

    • Liste malhas, armaduras, empties, câmeras, luzes, modificadores, relações de parentesco e objetos ocultos.
    • Separe malhas de personagem de geometria auxiliar/proxy antes de julgar o avatar.
    • Registre bounding boxes em espaço de objeto e espaço mundial.
  2. Identifique o esqueleto.

    • Capture nomes de armaduras, pose bones, cabeças/caudas dos ossos, roll, cadeias de parentesco, constraints e eixos da pose de descanso.
    • Mapeie ossos semânticos como quadril, coluna, pescoço, cabeça, ombros, cotovelos, mãos, coxas, joelhos, tornozelos e pés.
    • Sinalize pares esquerdo/direito ausentes e esquemas de nomenclatura incomuns.
  3. Determine os eixos frontal, superior e lateral.

    • Use a pelve, coluna, ombros, quadris, cabeça e pés em conjunto; não confie em uma única normal de malha.
    • Compare eixos locais da armadura com eixos mundiais e convenções de arquivo importado, como glTF Y-up vs Blender Z-up.
    • Marque importações provavelmente espelhadas ou invertidas quando a direção do rosto/cabeça/pés conflitar com o movimento da raiz.
  4. Amostre quadros de animação.

    • Inspecione quadros inicial, intermediário, de contato, aéreos e extremos.
    • Registre localização da raiz, direção da raiz, altura da pelve, inclinação do tronco, direções dos membros, folga dos pés e limites da malha.
    • Para movimentos longos ou rápidos, amostre mais densamente ao redor de giros, aterrissagens, curvas, colisões e contatos com o chão.
  5. Verifique a integridade do modelo antes de culpar o retargeting.

    • Confirme a forma limpa de linha de base antes de aplicar a animação.
    • Preserve a malha original, materiais, armadura e skinning, a menos que o usuário peça explicitamente reparo.
    • Trate blobs esféricos inexplicáveis, malhas proxy gigantes ou corpos esmagados como problemas de importação/seleção até prova em contrário.
  6. Diagnostique problemas de contato e movimento.

    • Penetração no solo: compare os vértices mais baixos do pé ou sapato com a altura do chão por quadro.
    • Deslizamento do pé: compare as posições mundiais do pé em quadros de apoio.
    • Cruzamento de pernas: compare a ordenação lateral de coxas, joelhos, tornozelos e pés esquerdo/direito.
    • Danos por torção: compare a direção do swing do osso separadamente do roll/torção ao redor do eixo do membro.
    • Deriva de escala: compare os limites da malha animada com os limites da linha de base limpa.
  7. Relate fatos antes de opiniões.

    • Inclua números de quadro, nomes de objetos, nomes de ossos, coordenadas mundiais e limites.
    • Separe falhas confirmadas de suspeitas visuais.
    • Anexe capturas de tela somente depois que o estado estruturado explicar o que procurar.

Formato de Relatório Recomendado

## Inspeção de Movimento no Blender

### Inventário da Cena
- Candidatos a personagem:
- Armaduras:
- Objetos auxiliares/proxy:
- Câmeras/luzes:

### Orientação
- Eixo superior mundial:
- Frente do personagem:
- Direção da raiz:
- Risco de espelhamento/inversão:

### Integridade da Linha de Base
- Limites da malha limpa:
- Limites da malha animada:
- Materiais/skin preservados:
- Malhas suspeitas (não personagem):

### Achados por Quadro
| Quadro | Achado | Evidência |
| --- | --- | --- |
| 1 | Pose de linha de base limpa | quadris/coluna/pés alinhados |
| 96 | Pé penetra o chão | left_foot min_z = -0.04 |

### Verdicto
- Aprovado/reprovado:
- Correção necessária:
- Pronto para render:

Exemplos

Ciclo de Caminhada com Deslizamento de Pé

Cenário: um personagem retargeted parece patinar durante um ciclo de caminhada, mas o ângulo da câmera frontal dificulta julgar o contato do pé.

Aplique o workflow:

  • Inventarie a cena: malha do personagem HeroBody, armadura HeroRig, plano do chão Floor, sem malhas proxy ocultas.
  • Identifique o esqueleto: pés semânticos são foot.L e foot.R; quadris são pelvis; osso raiz é root.
  • Amostre quadros de animação: inspecione os quadros 1, 18, 24, 30, 42 e 48 ao redor dos momentos de pé plantado.
  • Diagnostique problemas de contato e movimento: compare as localizações mundiais do pé durante os quadros de apoio.

Fatos extraídos:

QuadroFatoEvidência
18Pé esquerdo está plantadofoot.L min_z = 0.004, dedo e calcanhar ambos próximos ao chão
24Pé esquerdo desliza enquanto plantadofoot.L x = 0.21 -> 0.28 ao longo de seis quadros
30Pelve continua se movendo para frentepelvis y = 1.14 -> 1.31

Veredito: reprovado para prontidão de render. O movimento precisa de limpeza de foot-lock ou revisão de constraints de retargeting; a malha do corpo não precisa de alterações de proporção.

Personagem Importado Invertido

Cenário: um personagem parece correto em um quadro estático, mas a animação se move na direção oposta à direção esperada de deslocamento.

Aplique o workflow:

  • Determine os eixos frontal, superior e lateral: compare a cabeça, peito, pés e movimento da raiz.
  • Amostre quadros de animação: inspecione o quadro 1 e o ponto médio do caminho de deslocamento.
  • Relate fatos antes de opiniões: inclua a direção da raiz e a direção de face do modelo separadamente.

Fatos extraídos:

QuadroFatoEvidência
1Rosto do personagem aponta para o mundo -Yvetor cabeça/peito de neck para head resolve para -Y
72Movimento da raiz viaja para o mundo +Yroot y = 0.0 -> 2.8
72Pés permanecem visualmente voltados para frente, opostos ao deslocamentoossos dos dedos apontam -Y enquanto o deslocamento é +Y

Veredito: provável importação invertida ou incompatibilidade de eixo frontal no retargeting. Corrija o mapeamento de eixos de importação/retargeting antes de editar curvas de animação.

Limiares Práticos

  • Assuma unidades de escala em metros do Blender, a menos que a escala da cena diga o contrário.
  • Trate penetração no solo acima de 1-2 cm como visível, a menos que o chão seja macio ou intencionalmente estilizado.
  • Trate uma mudança repentina de escala acima de 5% como um provável problema de rig, constraint ou herança de transformação.
  • Trate inversões de ordenação lateral de tornozelo esquerdo/direito durante movimento invertido no ar como risco de cruzamento de pernas, mesmo que se recupere depois.
  • Trate saltos de direção da raiz acima de 30 graus por quadro como suspeitos, a menos que o movimento de origem inclua uma virada brusca.

Anti-Padrões

  • Não modifique proporções do corpo para forçar correspondência de pose, a menos que a tarefa seja explicitamente reparo de malha.
  • Não bake a linha de base limpa antes de registrá-la.
  • Não use um único ângulo de câmera renderizado como prova de que uma pose está correta.
  • Não exclua objetos auxiliares até ter registrado por que eles não fazem parte do personagem.
  • Não presuma que um avatar está voltado para +Y, -Y, +X ou -X sem verificar cabeça, pés, tronco e movimento da raiz em conjunto.

Notas de Ferramentas

Se um exportador de estado do Blender estiver disponível, prefira JSON que inclua malhas, armaduras, pose bones, materiais, contatos, bounding boxes e quadros de animação amostrados. Se não houver exportador, execute um pequeno script Python do Blender através do próprio Blender, por exemplo blender --background scene.blend --python collect_motion_state.py, porque bpy não está disponível em um interpretador Python normal do sistema.

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/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

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.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Habilidades Relacionadas