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

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

研究人体与物体互动关系，通过使用一个可学习的 Interactiveness Network，学习 HOI 数据集的互动知识，从而实现在 HOI 分类推理之前进行非交互抑制，并在 HICO-DET 和 V-COCO 数据集上验证了方法的有效性和灵活性。

Nov, 2018

本文研究了人物和物体间的交互行为，发现交互知识可以跨越不同的数据集，形成通用的交互知识网络，并且可以与任何 HOI 检测模型合作，进而提高 HOI 检测效率和准确性。通过使用实例和人体部位的特征信息，本文还提出了一种层次化的交互知识获取方法，同时采用一致性任务深度提取可视化线索。在 HICO-DET、V-COCO 和 PaStaNet-HOI 数据集上的实验结果表明，该方法优于现有的 HOI 检测方法。

Jan, 2021

本文提出了一种基于虚拟图像学习的方法来解决人 - 物交互检测任务中类别分布不平衡的问题，通过借助虚拟图像和真实图像训练模型，构建伪标签以及结合现有方法进行训练，取得了显著改进并实现了新的最先进结果。

Aug, 2023

我们提出了 CG-HOI，这是第一个解决从文本中生成动态 3D 人物 - 物体交互（HOIs）任务的方法。我们通过在训练和推断过程中显式地建模人体表面与物体几何之间的接触来引导人体和物体的运动，从而生成更真实、物理上可行的交互序列。

Nov, 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

引入了一种可用于检测新物体的人 - 物互动以及识别物体能力的 “可供性转移学习方法”，有效提高了对新物体的 HOI 检测表现，并能够通过已知关于物体能力的表示信息来推断新物体的能力，并在 HICO-DET 以及 HOI-COCO 两个数据集上取得了显著的性能提升。

Apr, 2021

本文提出了一种自适应 HOI 检测器，利用预训练模型并在长尾标记数据上进行训练，可有效地定位和推断人与物体之间的关系。该方法在 HICO-DET 和 V-COCO 数据集上获得了与最先进方法竞争力相当的结果，训练时间更短。

Sep, 2023

本文提出了一种基于全卷积的去检测人 - 物交互的新方法，该方法利用相互作用点直接定位和分类相互作用，并结合密集的相互作用向量，将相互作用与人和物的检测相结合，以获得最终的预测结果。该方法在 V-COCO 和 HICO-DET 两个常用基准上均取得了最新的最佳表现。

Mar, 2020