通过提出一种高效且鲁棒的基于 Transformer 的模型，实现对人机交互中人物 - 物体交互的检测和预测，从而增强机器人的主动协助能力，提高人机协作的效率和直观性。实验证明机器人的预测能力对于更好的人机交互至关重要。

Sep, 2023

这项研究针对动态人机交互进行了物理模拟，通过模仿人机动态交互示范来教授仿人机器人动态交互技能，采用了无需任务特定奖励设计的基于物理的全身交互示范方法，通过引入接触图来明确建模身体部位与物体之间的接触关系，并设计了接触图奖励，能够简单而有效地模仿各种人机交互任务。

Dec, 2023

本文介绍一个从人与人互动学习到人机互动的方法，通过使用隐马尔可夫模型作为潜在空间先验，并结合变分自编码器来建模互动代理之间的联合分布。利用从人与人互动中学习到的互动动力学来学习人机互动，并将人类观测结果作为训练基础，从而预测更准确的机器人轨迹。进一步通过逆运动学调整生成的机器人动作，以确保与人之间的期望物理接近性，结合了关节空间学习的便利性和准确的任务空间可达性。在富含接触的互动中，我们利用 HMM 分割来调节机器人的刚度以实现柔顺的互动。通过用户评测，我们验证了所提方法在一个人形机器人上的有效性。尽管仅通过两个人的数据进行训练，我们的方法在不同人类之间表现出很好的泛化性能。实验结果表明，用户认为我们的方法更具人性化、及时性和准确性，并且较其他基准方法更具优势。

Nov, 2023

基于手势识别和动态动作识别的人机协作框架在 UR5e 机器人平台上展示出卓越的性能，提供了高效的工具传递，同时不显著干扰人类意图。

Sep, 2023

本论文旨在提出了一种动态系统的人机物理互动框架，介绍了如何在实时响应中学习人类意图，优化任务，并提高用户满意度。

Jul, 2021

本文提出了一种实时的手和物体姿态联合追踪方法，利用一个单独的 RGB-D 相机，通过 3D GMM 算法和创新的正则化策略，同时解决了遮挡、快速运动和手与物体重合的问题，辅以判别式手部部分分类和物体分割，实现了实时追踪。实验结果表明，该方法具有速度、准确性和鲁棒性。

Oct, 2016

提出了一种基于几何原语的三维人体和关节物体交互嵌入方法，使用超椭球作为基本表示，并构建了一个基于原语的三维人体和关节物体交互数据集，实现了机器对三维人体和关节物体交互的重建和识别任务。

Dec, 2023

我们提出了一种基于物理的方法来合成全身手物交互。通过通过一个层次化框架，并结合强化学习和物理仿真，我们首先在解耦环境中学习身体和手部运动的技能先验。然后，我们使用一个新颖的奖励函数训练一个高层策略，以在预训练的潜在空间中控制手物交互。我们的方法成功完成了从接近物体到抓取和后续操纵的完整交互任务，并展示出比基于运动学的基线方法更具物理合理性的动作。

Sep, 2023

该研究探索了基于人体姿态、注视和距离等因素实现社交场景下人和物体之间相互作用识别的方法，并针对误分类问题提出硬负样本采样策略。在两个基准数据集，即 V-COCO 和 HICO-DET 上进行实验并验证了各个组件的有效性。

Aug, 2018

通过实例级隐式重建，我们提出了 Ins-HOI，一种端到端解决方案，用于恢复人与物体之间的详细交互。我们引入了实例级占据场来支持同时表示人 / 手和对象，并使用补充训练策略处理实例级基准缺失的问题。我们的方法 Ins-HOI 能够在极近交互的情况下生成合理和真实的非可见接触表面，并提供了一个大规模高保真度的 3D 扫描数据集用于研究。

Dec, 2023