近日，一篇題為《GIRAF：邁向與可運動物體的可泛化人體互動》的論文被CVPR 2026的第三屆人體運動生成研討會（HuMoGen）接收。該研究針對具身人工智慧和計算機圖形學中的一個核心挑戰——合成逼真的、與可運動物體的全身互動——提出了創新的解決方案。
在機器人訓練和虛擬代理等應用中，生成能夠與門、抽屜、椅子等可運動物體進行自然互動的全身運動至關重要。然而，現有的方法存在顯著侷限：一些模型僅能處理與靜態物體的簡單活動（如坐或站），而另一些則侷限於手部操作，無法生成從接近到操縱的連貫全身運動。關鍵難點在於同時推理移動、精細接觸和物體關節運動，並實現從導航到操控的無縫過渡。此外，大規模配對運動-場景資料的稀缺阻礙了模型對多樣物體位置和形狀的泛化能力。
GIRAF透過三項核心設計突破這些瓶頸。首先，它引入了一種物件中心表示，將手與物體表面的接觸統一到物體自身的座標系中，使得接觸模式可以跨不同物體幾何形狀遷移。其次，混合域訓練策略平衡了區域性互動（如抓取和操作）與全身移動（如行走和轉向）的訓練樣本，避免模型偏向單一任務。最後，基於接觸的資料增強方案透過合成新的接觸模式（例如在未見過的高接觸區域生成接觸）來提升訓練的多樣性。
實驗結果顯示，GIRAF在未見過物體配置上表現出強大的泛化能力，在多項定量指標和視覺質量上均超越了現有的最佳方法。這項工作為機器人訓練、虛擬角色動畫和具身AI研究提供了關鍵技術支撐，標誌著全身互動合成研究的重要進展。論文由張蕭涵（音譯）等六位作者共同完成，全文12頁，包含6張圖和3張表格。