面向物体引导的人人协同操作中基于稳定性的运动生成

协同操作要求多个人类与共享物体同步其运动，同时确保合理的交互、维持自然的姿态并保持稳定的状态。然而，大多数现有的运动生成方法是为单角色场景设计的，或者未能考虑负载引起的动力学。在这项工作中，我们提出了一个流匹配框架，确保生成的协同操作运动与预期目标对齐，同时保持自然性和有效性。具体来说，我们首先引入一个生成模型，该模型从物体的可供性和空间配置中推导出显式的操作策略，引导运动流向成功的操作。为了提高运动质量，我们随后设计了一个对抗性交互先验，以促进协同操作过程中自然的个体姿态和真实的人与人交互。此外，我们还将基于稳定性的模拟融入流匹配过程，通过基于采样的优化来细化不稳定的交互状态，并直接调整向量场回归以促进更有效的操作。实验结果表明，与最先进的人-物交互基线相比，我们的方法实现了更高的接触精度、更低的穿透率和更好的分布保真度。代码可在 https://github.com/boycehbz/StaCOM 获取。