PA-HOI

PA-HOI数据集是一个关注物体物理属性对人类-物体交互行为影响的数据集。数据集包含562个由不同性别参与者与35个具有不同大小、形状和重量的3D物体交互的运动序列。该数据集的创建旨在扩展现有数据集的范围，以理解不同物体的物理属性如何影响人体姿势、运动速度和其他运动特征。PA-HOI数据集通过将现有运动生成方法与数据集集成，验证了其支持真实物理感知的能力，为现实世界应用中的人机交互建模和运动生成提供了新的视角。

The PA-HOI dataset is a specialized dataset focusing on the influence of object physical properties on human-object interaction (HOI) behaviors. It contains 562 motion sequences depicting interactions between participants of diverse genders and 35 3D objects with distinct sizes, shapes and weights. The dataset is constructed to expand the scope of existing datasets, aiming to explore how the physical properties of various objects affect human body postures, movement velocities and other motion characteristics. The PA-HOI dataset validates its capacity to support genuine physical awareness by integrating existing motion generation methods with the dataset, providing a novel perspective for human-computer interaction modeling and motion generation in real-world applications.

搜集汇总

数据集介绍

构建方式

PA-HOI数据集的构建采用了多模态融合的方法，结合了光学-惯性混合运动捕捉系统（Noitom PN Hybrid VTS System）和真实物理对象的三维建模。研究团队精心筛选了35个日常物品，涵盖不同尺寸、重量和形状，以确保物理属性的多样性。每个交互序列由不同性别的受试者执行，并通过12台红外摄像机和惯性传感器捕捉全身运动数据，包括手指关节的精确追踪。数据采集后，采用SMPL-X参数化人体模型进行运动数据拟合，通过优化关节位置、平滑性和正则化约束，确保运动序列的高保真度和时间连贯性。

特点

该数据集的核心特点在于其物理感知属性，首次系统性地量化了物体尺寸、重量和形状对人类交互动力学的影响。包含562个高质量运动序列，每个序列均配备多组细粒度文本描述，通过大型语言模型（LLM）增强生成2,055,060条多样化标注。相较于现有HOI数据集，PA-HOI通过真实物理对象交互捕捉，显著提升了运动动力学的真实性，如重物导致的身体倾斜度增加、大尺寸物体引发的更广泛肢体运动等物理规律现象。特别设计的四类接触区域交互（抓取/支撑/环抱/推动）和四种运动路径，为研究物理约束下的行为策略提供了丰富样本。

使用方法

PA-HOI数据集适用于文本驱动运动生成、物理感知行为建模等多类任务。使用时可通过物体物理属性（如'大型重圆柱体'）作为文本提示，输入至扩散模型（如MDM*或StableMoFusion*）生成符合物理规律的运动序列。数据集提供的SMPL-X参数可直接用于三维人体网格重建，其分层标注体系支持从粗粒度动作分类到细粒度手部接触的跨层级研究。验证实验表明，该数据集能有效提升现有模型对物理约束的建模能力，如生成推重物时自动增加身体前倾幅度，在MM-Dist和FID指标上分别提升12.3%和94.6%。

背景与挑战

背景概述

PA-HOI数据集由上海交通大学的研究团队于2025年提出，旨在探索物体物理属性对人类与物体交互行为的影响。该数据集聚焦于物体尺寸、形状和重量等物理属性对人类动作动态的影响，如姿势、移动速度等。PA-HOI包含562个高质量的人类与物体交互运动序列，涉及35个3D物体，覆盖了多样化的物理属性组合。该数据集的提出填补了现有HOI数据集中物理属性感知的空白，为机器人学、虚拟现实和人机交互等领域提供了重要的研究基础。

当前挑战

PA-HOI数据集面临的挑战主要包括两个方面：领域问题的挑战和构建过程的挑战。在领域问题方面，现有HOI数据集往往忽视物体物理属性对交互行为的影响，难以建模真实世界中因物体重量、尺寸和形状差异导致的人类动作变化。在构建过程中，挑战包括如何精确捕捉物体物理属性对人类动作的细微影响，以及如何处理大规模运动捕捉数据中的噪声和遮挡问题。此外，为增强数据集的泛化能力，研究团队还需解决文本描述多样性与物理属性准确对应之间的平衡问题。

常用场景

经典使用场景

PA-HOI数据集在人类-物体交互（HOI）研究中扮演了关键角色，尤其在探索物体物理属性对人类运动动态的影响方面。该数据集通过捕捉不同形状、大小和重量的物体与人类交互的运动序列，为研究者提供了丰富的实验材料。其经典使用场景包括分析物体重量对人类移动速度、姿势调整及交互策略的影响，为理解物理属性在HOI中的作用提供了实证基础。

实际应用

在虚拟现实（VR）与机器人抓取规划中，PA-HOI数据集的实际价值显著。例如，VR系统可利用其数据生成符合物理规律的人类交互动画，增强沉浸感；机器人则能通过学习不同重量物体的搬运策略，优化抓取力度与运动轨迹。此外，该数据集支持开发文本驱动的运动生成模型，为智能体在动态环境中的适应性行为提供训练基础。

衍生相关工作

PA-HOI数据集催生了多项跨领域研究，如结合扩散模型的文本-运动生成方法（如MDM*和StableMoFusion*），这些工作通过引入物理属性标签显著提升了生成动作的真实性。此外，基于其数据特性衍生的研究还包括：物体属性感知的逆向运动学分析、多模态交互建模，以及针对大尺度物体的双手协同操作策略优化，推动了HOI领域向精细化、物理可信的方向发展。