论文称分离隐变量耦合可提升人机交互接触精度

一篇预印本把身体、物体和手部运动拆成独立隐变量再耦合更新，作者自测接触指标优于所比较方法。

论文提出 TRACE 框架，分别编码身体、物体与手部运动，用完整交互状态预测每一路的速度，并在解码后的动作上施加几何损失来约束接触与物体相对运动。同一模型可从两路补全缺失的第三路。

作者在 InterAct、OMOMO 和 BEHAVE 三个数据集上报告，联合补全训练改善了生成，冻结的流特征也提升了交互理解。摘要称在 InterAct 上接触精确率、召回率与 F1 均为所比较方法中最高。

摘要未给出领先幅度、硬件与训练规模，也未说明是否有第三方复现，因此这是作者自测结果。论文 9 月 26 日提交，9 月 29 日更新至 v2。