基于情境与任务感知扩散模型的任务导向人类抓取合成

本文研究了任务导向人类抓取合成，这是一种新的抓取合成任务，需要具备任务和情境感知能力。我们方法的核心是任务感知接触图。不同于传统仅考虑操作对象及其与手部关系的接触图，我们的增强型接触图考虑了场景和任务信息。这种全面图谱对于手-对象交互至关重要，可实现与任务相符的精确抓取姿态。我们提出了两个阶段的管道：首先构建由场景和任务信息构成的任务感知接触图；随后使用该接触图合成任务导向人类抓取。我们引入了一个新数据集和一个用于评估该任务的度量标准。我们的实验验证了同时建模场景和任务的重要性，在抓取质量和任务性能方面均显著优于现有方法。详情请参见我们的项目页面：https://hcis-lab.github.io/TOHGS/。