En sistemas de realidad virtual (VR), un problema es la reproducción precisa del cuerpo del usuario en un entorno virtual utilizando cinemática inversa porque los sistemas de captura de movimiento existentes tienen una serie de inconvenientes y minimizar el número de puntos clave de seguimiento (KTPs) conduce a un gran error. Para resolver este problema, se propone utilizar el concepto de una sombra digital y tecnologías de aprendizaje automático para optimizar el número de KTPs. Se implementa una técnica para recopilar datos del proceso de movimiento de un avatar virtual, se lleva a cabo la modelización de procesos dinámicos no lineales de movimiento humano basados en una sombra digital, se formula el problema de optimizar el número de KTPs, y se da una visión general de los algoritmos de aprendizaje automático aplicados y las métricas para su evaluación. Un experimento en un conjunto de datos formado a partir de movimientos de avatar virtual muestra los siguientes resultados: tres KTPs no proporcionan una precisión de reconstrucción suficiente, la elección de cinco o siete KTPs es óptima; entre los algoritmos, los más eficientes en orden descendente son AdaBoostRegressor, LinearRegression y SGDRegressor. Durante la reconstrucción utilizando AdaBoostRegressor, la desviación máxima no es superior a 0,25 m y la media no es superior a 0,10 m.