CVPR 2026の第3回人体動作生成ワークショップ（HuMoGen）で発表された論文「GIRAF: Towards Generalizable Human Interactions with Articulated Objects」は、関節物体との全身インタラクション合成における根本的な課題に取り組んでいます。これまでの研究では、静的物体に対する単純な動作や手のみの操作に焦点が当てられており、接近から操作までの一貫した全身運動の生成は未解決でした。
GIRAFはテキスト条件付き拡散モデルを採用し、三つの革新的なアイデアを導入しています。第一に、物体中心表現を用いて手と物体表面の接触を統一的にモデル化し、異なる物体形状間での接触パターンの転移を可能にします。第二に、移動とインタラクションの訓練データをバランスよく組み合わせる混合ドメイン訓練戦略を採用。第三に、接触ベースのデータ拡張により、合成接触パターンを生成して訓練の多様性を高めます。
実験では、未見の物体配置において既存手法を凌駕する性能を示し、全身行動生成の汎化性能を大幅に向上させました。この成果は、ロボット訓練や仮想エージェントのリアリティ向上に貢献することが期待されます。論文はXiaohan Zhang氏を含む6名の著者によるもので、12ページ、6図、3表から構成されています。