No encuentro documentación ni nada donde se explique un poco el proceso en XSI.
No? Pues si te vas a Help->XSI Guides, y pones "motion capture data" en la busqueda, te saldra todo lo que necesitas. (Los bvh los llaman Biovision files.)
Basicamente requieres un eskeleto estandar, tal como el de:
C:\Softimage\XSI_5.11\Data\XSI_SAMPLES\Models\mocap_rig.emdl
Puedes usar ese o si tienes un rig propio supuestamente al importar un bvh, eventualmente se crea como "action clip" que puedes usar en tu mixer. Para que funcione, claro, tienes que nombrar tus huesos adecuadamente. Si no lo haces, te aparecera una ventana preguntandote los nombres de todos tus huesos (segun el rig del mocap) para saber donde va que. Una vez rellenado correctamente deberia de ir bien.
Apenas he tocado mocap asi que no se mucho mas. :/