{
  "paper_id": "0ecf755917b4aff75137a5ece3e8de5f",
  "paper_title": "AffordPose: A Large-scale Dataset of Hand-Object Interactions with Affordance-driven Hand Pose",
  "paper_authors": [
    "Juntao Jian",
    "Xiuping Liu",
    "Manyi Li",
    "Ruizhen Hu",
    "Jian Liu"
  ],
  "publication_date": "",
  "publication_venue": "2023 IEEE/CVF International Conference on Computer Vision (ICCV)",
  "abstract": "人类如何与物体交互取决于目标物体的功能角色，由此产生了可供性感知的手物交互问题，而学习合理、恰当的手物交互需要大量人类示范。本文提出 AffordPose，这是一个由可供性驱动手部姿态的大规模手物交互数据集。作者为每个物体标注具体的部件级可供性标签，例如 twist、pull、handle-grasp 等，而非 use 或 handover 等泛化意图，用以说明交互目的并引导交互定位。细粒度手物交互揭示了以手为中心的可供性对手部姿态具体配置的影响，同时也表现出一定程度的多样性。数据集共收集 26.7K 个手物交互，每个交互包含三维物体形状、部件级可供性标签和人工调整的手部姿态。综合数据分析通过参数统计和接触计算展示了各可供性下手物交互的共性与多样性。作者还在手物可供性理解和面向可供性的手物交互生成任务上进行实验，验证了该数据集对学习细粒度手物交互的有效性。\n",
  "keywords": [
    "手物交互",
    "可供性",
    "部件级标注",
    "手部姿态",
    "大规模数据集",
    "可供性理解",
    "交互生成",
    "MANO"
  ],
  "paper_institutions": [
    "Dalian University of Technology",
    "Shandong University",
    "Shenzhen University",
    "Tsinghua University"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "doubao-seed-2.1-pro",
  "prompt_template": "simple",
  "extracted_at": "2026-10-20T04:22:49.339092Z",
  "template_tag": "deep_read",
  "summary": "# AffordPose: A Large-scale Dataset of Hand-Object Interactions with Affordance-driven Hand Pose\n\n\n**作者 / Authors:** Juntao Jian, Xiuping Liu, Manyi Li, Ruizhen Hu, Jian Liu\n\n\n**单位 / Institutions:** Dalian University of Technology, Shandong University, Shenzhen University, Tsinghua University\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n\n\n\n## 第一轮：问题与贡献\n\n\n### 材料与类型\n\n材料核查：当前文档包含论文正文、摘要、图表、参考文献和项目页链接，覆盖数据集构建、统计、数据分析与三类实验；未包含补充材料、代码、数据文件或完整附录，因此对象/affordance 选择细节、更多统计和复现实验配置需标为待核验。文档未给出发表 venue 与日期，项目页仅出现在摘要中，未实际访问验证。\n\n原型判断：选 other 最合适。该文核心贡献是数据集/基准与构建流程，而非单一算法或完整系统；虽包含 DGCNN、AffordPoseNet 等实验网络，但这些是验证数据集用途的手段。\n\n影响解读的材料缺口：1）补充材料中的对象与 8 类 affordance 选择标准缺失；2）数据标注一致性、标注者间差异、GraspIt 物理可行性过滤参数未充分报告；3）代码与数据许可、划分细节、训练超参未在正文完整给出；4）图 2、9、11 的细节依赖图像，当前仅能从图注和正文推断。\n\n\n\n\n\n### 问题\n\n要解决的问题：手-物交互不仅要“抓稳”，还要符合物体功能与人的使用习惯，即需要同时回答“做什么交互、在哪里交互、怎样摆出手”。现有数据集多聚焦通用抓取与稳定性，或只给出 use、handover、lift 等粗粒度人类意图；部分工作提供接触图、抓取类型或物体级 affordance，但缺少部件级 affordance 与精细手姿态的成对标注。Table 1 显示 HO3D、DexYCB、Obman 无 intent，GRAB/ContactPose/OakInk 多为 human objective，FPHAB 为 object affordance，YCBAfford 为 grasp type；这些标签要么过粗、要么跨类别泛化有限，难以直接指导“同一物体不同功能部件对应何种手姿态”。\n\n为何重要：该问题关系到机器人模仿人类功能操作、AR 交互建议、affordance-oriented 手-物交互生成，以及从图像理解交互意图。若只有稳定抓取标签，模型容易对同一物体生成相似抓取，无法区分按、拉、拧、支撑等语义上不同的交互。\n\n现有方法的主要不足：1）通用抓取数据集合成或采集的交互语义弱，忽略功能意图；2）人类意图标签以人为中心、与物体类别和部件属性脱节；3）物体级 affordance 或 grasp type 不能定位具体功能部件，也难以表达同一物体多 affordance 的差异；4）接触图方法依赖额外接触标注和物理优化，未直接提供部件级 affordance 到完整手姿态的监督。本文的切入点是用部件级 hand-centered affordance 作为中间语义，把“何处交互”和“如何摆姿”连接起来。\n\n\n\n\n\n### 概览与阅读路线\n\n一句话概述：AffordPose 构建了一个以部件级 hand-centered affordance 为条件的大规模合成手-物交互数据集，并用手势理解、交互生成和 RGB 应用实验验证 affordance 与手部精细姿态之间的强关联。\n\n核心思想与贡献：作者把交互语义从“use/handover”等人类意图或“grasp type”推进到部件级 affordance（handle-grasp、press、lift、pull、twist、wrap-grasp、support、lever），先标注物体功能部件，再让标注者在 GraspIt! 中按该 affordance 手动调整 MANO 手姿势。相对 HO-3D、DexYCB、Obman 等只关注稳定抓取的数据集，以及 GRAB、OakInk、ContactPose 等提供意图/接触信息但非部件级 affordance 配对手姿态的数据集，本文的差异化在于同一物体可有多个 affordance，且每个交互带有对应部件标签与完整手姿态参数。\n\n最重要结果与条件：数据集含 641 个物体、13 类、8 种 affordance、26,712 个交互（Table 2）。作者报告 affordance 理解在 DGCNN 上使用全部姿态参数时分类平均准确率 98.39%、部件定位平均 IoU 96.29%（Table 3）；交互生成中 AffordPoseNet 的平均 affordance accuracy 为 83.51%，但 pull 为 0%、twist 为 53.13%，且 solid intersection volume 平均 4.57 cm^3，略差于 GrabNet 的 3.20 cm^3（Table 4）。这些结果支持“affordance 条件能生成更具区分性的手姿态”，但生成质量与接触区域仍受小部件、合成数据和网络精度限制；作者也承认 pull/twist 等小部件易失败（Figure 12）。RGB 分类平均 precision/recall 约 97.3%，手网格恢复 MPVPE 16.4 mm、MPJRE 0.1892（Table 5、Table 6）。\n\n优先阅读：Section 3.1 的标注流程与 MANO 参数定义；Table 1 的数据集对比；Section 4 的 Figure 3–8 对应的 affordance 共性与多样性分析；Section 5.2 的 AffordPoseNet 架构与 Table 4 指标定义。下一轮应追问：标注者间一致性如何量化、8 类 affordance 是否覆盖真实交互、生成评测中扩展测试集无 GT 手姿态是否影响结论、以及合成数据到真实图像的域偏移。下一轮应围绕数据构建偏置、评测协议和泛化边界展开。\n\n\n\n\n## 第二轮：方法与证据\n\n\n### 方法与公式\n\n论文不是单一算法，而是“数据集构建 + 两个验证任务 + RGB 应用”的组合。核心流程分两层。\n\nA. 数据构建（Figure 2）：\n输入：PartNet/PartNet-Mobility 的 641 个 3D 物体（13 类），预分割部件；专家 panel 选定的 8 类 hand-centered affordance（handle-grasp、press、lift、pull、twist、wrap-grasp、support、lever）。\n步骤 1 部件 affordance 标注：把预分割部件展示给 5 名志愿者，对每个功能部件讨论并达成共识，赋予一个 affordance；无抓取/操作功能的部件标为“no affordance”。\n步骤 2 手姿态标注：在 GraspIt! 可视化界面中按 affordance 给部件着色，固定物体位置/朝向，志愿者调整手掌平移 t、旋转 q 以及 16 个关节角 theta，使 MANO 手完成对应交互；用 GraspIt! 力分析过滤明显穿透/物理不可行姿态。\n输出：每个交互样本 = 3D 物体形状 + 部件级 affordance 标签 + MANO 手姿态参数。手模型为 16 个刚体（每指 3 节 + 手掌），shape beta 固定，姿态参数为 p={t,q} 与 theta∈R^16。\n\nB. 验证任务 1：hand-object affordance understanding（Figure 9）。\n输入：目标物体点云 + 一段“粗略手演示”的手姿态参数。输出：物体级 affordance 类别，或逐点 affordance 标签。逐点标签定义为：若点属于该 affordance 对应部件则取部件索引，否则为 0。\n实现：用 DGCNN 的 Edge-Conv 点云骨干；把手姿态参数经 4 层 MLP 编码为文中所述的 10D 向量，与每个点的 xyz 坐标拼接成 P'∈R^{N×13}，再接 DGCNN 分类分支或分割分支。注意：文中未说明 10D 编码是否由原始 23 维参数压缩而来，也未给损失函数与训练超参。\n\nC. 验证任务 2：affordance-oriented interaction generation（Figure 11）。\n输入：物体 + 指定 affordance 的 one-hot 向量。输出：完整手姿态（intrinsic theta + extrinsic p）。\nAffordPoseNet 做法：编码物体特征，把 affordance one-hot 与物体特征拼接，再生成手姿态；对照 GrabNet 只以物体为输入。文中未给生成器/损失细节。\n\nD. 评测中的关键定义：\n\n- Contact Ratio：生成手与物体表面发生接触的概率/比例。\n- Affordance accuracy：生成手“接触最多的部件”是否等于输入 affordance 的 ground-truth 部件；接触点阈值 alpha=0.004 m，若无接触点则 alpha 每次加 0.001 m，直到 0.01 m；到 0.01 m 仍无接触点则判错。\n- Penet.Depth、Solid.Intsec.Vol：手模型穿入物体的深度与实体相交体积，越低越好。\n- MPVPE：mean per vertex position error，平均顶点位置误差（mm）；MPJRE：mean per joint radian error，平均关节弧度误差（文中表格又标 AUC，定义与单位存在不一致，需核验）。\n\nE. RGB 应用：把物体置于坐标原点，围绕每个交互实例随机取 3 个视点渲染 RGB；分类用 ResNet-18；手网格恢复改造 I2L-MeshNet，并以部件 affordance 作为条件输入。\n\n\n\n\n\n### 评测设置\n\n数据与划分：AffordPose 含 641 个物体、13 类、8 种 affordance、26,712 个交互（Table 2）；每物体 1–5 种 affordance，每物体至少 28 个手交互，平均 42 个；14 名标注志愿者。主实验用 8-1-1 train-val-test split。生成任务额外把 211 个“有部件 affordance、无手姿态标注”的物体加入测试集，用于扩大测试范围；这些物体没有 GT 手姿态，因此只用不需要 GT 手姿态的指标（穿透、接触比、affordance accuracy）。\n\n任务与指标：\n1）affordance understanding：输入 intrinsic 或 all 手姿态参数；输出物体级 affordance（accuracy）或逐点部件（IoU）。报告 8 类每类与 mean。\n2）interaction generation：输入物体 + affordance；指标为 Penet.Depth（cm，越低越好）、Solid.Intsec.Vol（cm^3，越低越好）、Contact Ratio（%，越高越好）、Affordance accuracy（%，越高越好）。基线为 GrabNet（只输入物体）。注意：文中把 GrabNet 引为 [^40]/[^41]，但参考文献 [^40][^41] 实际是 GRAB 数据集，存在引用/命名不一致；GrabNet 的 affordance accuracy 在 Table 4 中为“-”，因此语义匹配没有与 AffordPoseNet 的直接数值对照。\n3）RGB 分类：ResNet-18，报告 precision/recall；4）RGB 手网格恢复：改造 I2L-MeshNet，报告 MPVPE 与 MPJRE。\n\n缺失与公平性：未给训练轮数、优化器、学习率、batch size、GPU 型号/时长、参数量；未给 DGCNN/AffordPoseNet 的损失函数与网络层细节；未给 RGB 渲染的相机内参、光照、背景与训练/测试划分；未报告多次随机种子或误差棒。理解任务只用 DGCNN 一种骨干，没有与其他点云网络或非深度基线比较；生成任务只有 GrabNet 一个基线，且其语义指标缺失。因此“数据集有效”的结论主要依赖内部对比（intrinsic vs all；GrabNet vs AffordPoseNet 的定性/物理指标），外部公平比较有限。\n\n\n\n\n\n### 结果与证据\n\n支持创新的关键证据：\n1）affordance 与手姿态强相关：Table 3 中，使用全部姿态参数时 8 类分类平均准确率 98.39%，仅 intrinsic 为 94.40%；部件定位平均 IoU 96.29% vs 95.36%。提升主要来自 support、twist 等“关节配置相似但手旋转/位置不同”的 affordance；pull 的定位 IoU 两类输入都只有 77.78%，说明小部件（如包拉链）仍难定位。\n2）affordance 条件能改变生成结果：Table 4 中 AffordPoseNet 平均 affordance accuracy 83.51%，但分布极不均衡：press 95.24%、lift 92.50%、wrap-grasp 98.63%、handle-grasp 80.00%、lever 72.73%、support 87.50%，而 pull 0%、twist 53.13%。Figure 10 定性显示 GrabNet 对同一物体多个 affordance 往往生成相似手（常落在最常见 affordance），AffordPoseNet 能按条件生成不同手。\n3）物理质量没有同步提升：AffordPoseNet 平均 Solid.Intsec.Vol 4.57 cm^3，差于 GrabNet 的 3.20 cm^3；Penet.Depth 0.89 cm vs 0.87 cm；Contact Ratio 96.06% 与 GrabNet 持平。support 的相交体积高达 22.93 cm^3，是均值恶化的主要来源。作者在 Figure 12 承认 pull/twist 等小部件接触区域不准。\n4）RGB 应用：Table 5 分类平均 precision 97.31%、recall 97.29%；Table 6 手网格恢复平均 MPVPE 16.4 mm、MPJRE 0.1892，但 lift 的 MPVPE 45.36 mm、pull 的 MPJRE 0.3796，说明遮挡和姿态多样性下仍有明显失败。\n\n证据边界：Table 3 没有误差棒、没有第二随机种子；Table 4 的 GrabNet 没有 affordance accuracy 数值，无法证明“语义匹配显著优于基线”的统计显著性，只能依赖定性图和物理指标。扩展测试集含 211 个无 GT 手姿态物体，affordance accuracy 只检查接触部件是否匹配，不检查手姿态是否自然；因此它支持“条件可控性”，不支持“生成质量整体更优”。总体看，证据较好支持“部件级 affordance 与手姿态相关、可作为条件信号”，但不足以支持“AffordPoseNet 在物理合理性和小部件交互上已可靠”。\n\n\n\n\n\n### 相关工作\n\n最接近的工作及差异（以文中 Table 1 与 Related Works 的描述为准，未做外部核验）：\n\n- YCBAfford：提供人工指定的手位置、手姿态和 grasp type，但 grasp type 只表示关节安排，不定位功能部件；AffordPose 的差异是给每个物体部件打 8 类 hand-centered affordance，并要求手姿态与该 affordance 配对。\n- OakInk / GRAB：提供 use、hold、lift、hand-out、receive 等人类目标或 intent；这些标签以人为中心、与物体类别和部件属性脱节。AffordPose 用部件级 affordance 连接“何处交互”和“如何摆姿”，同一物体可有多个 affordance。\n- FPHAB：object affordance（如 pour juice）描述物体级交互类型，泛化到新类别有限；AffordPose 是部件级且跨 13 类。\n- ContactPose / ContactGrasp / Contact2Grasp：依赖接触图标注再用模拟器优化手姿态；AffordPose 直接人工调 MANO 手姿态，提供部件 affordance 到完整手姿态的监督，但没有接触图监督。\n- HO3D / DexYCB / Obman：主要服务通用抓取或手姿态估计，缺少功能/意图标签；AffordPose 的交互是 affordance-driven，而非只求稳定抓取。\n成本与代价：需要两阶段人工标注（5 名志愿者共识标注部件 affordance；14 名志愿者平均每物体 42 个交互，至少 28 个），规模受人工成本限制；物体来自 PartNet/PartNet-Mobility 的合成网格，手模型固定 shape beta、只改姿态，交互以静态单手为主；8 类 affordance 是专家 panel 选定的封闭集合。相对 ContactPose 等，省去接触图与优化流程，但物理可行性主要靠 GraspIt! 力分析过滤和人工调整，未报告大规模物理仿真后处理。\n\n\n\n\n\n### 关键图表解读\n\n1）Table 1（数据集对比）：把 AffordPose 与 HO3D、DexYCB、YCBAfford、Obman、FPHAB、ContactPose、GRAB、OakInk 按模态、合成/真实、物体数、手姿态数、intent 对比。它支持“本文是首个/少有的 part affordance 配对完整手姿态的大规模数据集”这一定位；但表中“intent”列是作者自定义分类（object affordance、human objective、part affordance），比较条件不是统一评测协议，且“首个”需外部核验。\n2）Figure 2（构建流程）：展示先标部件 affordance、再以其为指导人工调 MANO 手姿态的两阶段流程。它支撑方法核心：affordance 不是事后标签，而是采集手姿态时的条件；局限是流程图不展示标注者一致性、拒绝样本率和 GraspIt! 过滤阈值。\n3）Table 3（affordance understanding）：在 8-1-1 划分下比较 intrinsic 与 all 参数输入。它支持“手姿态包含可推断 affordance 的信息，且 extrinsic 参数对 support/twist 等类别有额外贡献”；但 pull 定位 IoU 仅 77.78，说明小部件是边界条件，且没有外部基线。\n4）Table 4（generation）：在 8-1-1 加 211 个无手姿态测试物体上比较 GrabNet 与 AffordPoseNet。它支持“加 affordance 条件后接触部件更符合指定类别”，但同时暴露物理质量略差（Solid.Intsec.Vol 4.57 vs 3.20）和 pull 0%、twist 53.13% 的失败；GrabNet 的 affordance accuracy 缺失，削弱了语义优势的直接比较。\n5）Figure 10（定性生成）：同一物体（如瓶子）上 GrabNet 只生成相似手，AffordPoseNet 能按 wrap-grasp 等条件生成不同手。它直观支持条件控制 claim；但为挑选样例，未给失败率，需与 Figure 12 的失败案例和 Table 4 的数值一起看。\n\n过渡：以上图表说明“相关性”和“条件可控性”有证据，但物理合理性与小部件泛化仍是评估重点。\n\n\n\n\n\n### 术语表\n\n- 部件级 affordance（part-level affordance）：物体某个功能部件可承受的交互类型，如拉链的 pull、瓶盖的 twist；本文把它作为“何处交互 + 如何摆姿”的中间语义。\n- hand-centered affordance：以手部动作为中心命名的 affordance（press、twist、pull 等），区别于 pour、contain 等物体功能属性。\n- MANO：常用参数化手模型；本文固定 shape beta，只优化姿态。\n- 内参/外参（intrinsic/extrinsic pose parameters）：intrinsic 指 16 个关节角 theta（手指构型）；extrinsic 指手掌平移 t 与旋转 q。\n- DoF：自由度；本文手模型用 16 个关节自由度表示手指构型。\n- DGCNN / Edge-Conv：动态图卷积点云网络，用 Edge-Conv 在点云近邻图上提特征；本文用作 affordance 理解骨干。\n- 逐点 affordance 标签（per-point affordance label）：点属于被交互部件时取部件索引，否则为 0；用于部件定位 IoU。\n- IoU：交并比，本文衡量预测部件点集与 GT 部件点集的重合。\n- GrabNet：只以物体为输入的抓取生成基线；本文对照其“无 affordance 条件”行为。\n- AffordPoseNet：本文的生成模型，把 affordance one-hot 与物体特征拼接后生成手姿态。\n- Penet.Depth：手模型穿入物体的深度（cm，越低越好）。\n- Solid.Intsec.Vol：手与物体实体相交体积（cm^3，越低越好）。\n- Contact Ratio：生成手接触物体表面的比例/概率（%，越高越好）。\n- Affordance accuracy：生成手接触最多的部件是否等于输入 affordance 对应部件；阈值 alpha 从 0.004 m 起，逐步加到 0.01 m。\n- MPVPE：平均顶点位置误差（mm，越低越好）。\n- MPJRE：平均关节弧度误差；文中表格又标 AUC，定义/单位不一致，待核验。\n- no affordance：标注时对无抓取/操作功能部件的占位标签。\n\n\n\n\n\n### 全部图表索引\n\n图表索引（基于正文与图注；图像本体在给定材料中为链接/占位，细节解读以正文为准）：\n\n- Figure 1：AffordPose Gallery，展示数据集样例与“部件级 affordance 与手姿态高相关”的总览 claim；位置：Introduction 前。\n- Figure 2：数据集构建两阶段流程（部件 affordance 标注 → 手姿态标注）；核心方法图，见 module_d。\n- Figure 3：每种 affordance 的代表手姿态（按平均 intrinsic 参数选最近样本）；支持不同 affordance 的手部构型有区分性。\n- Figure 4：同一 mug 上 handle-grasp、support、wrap-grasp 的不同手姿态；支持同一物体多 affordance 导致不同手姿态。\n- Figure 5：handle-grasp 在 pot、mug、knife 上的相似关节构型；支持同一 affordance 跨类别共享手部构型。\n- Figure 6：同一 dispenser 同一 press affordance 下因个人习惯产生的手姿态多样性；支持“同 affordance 内有多样性”。\n- Figure 7：各 affordance 下不同手指接触物体的概率；支持拇指/食指/中指主导，辅助解释 pull 的接触部位。\n- Figure 8：pull 与 support 的各关节角标准差 + 16 DoF 手模型示意；支持根关节变化小、远端关节变化大等分析。\n- Figure 9：affordance understanding 网络（DGCNN 分类/分割双分支）；方法图，见 module_c3。\n- Figure 10：生成定性对比，GrabNet vs AffordPoseNet；核心证据图，见 module_d。\n- Figure 11：AffordPoseNet 架构；展示 affordance one-hot 与物体特征拼接。\n- Figure 12：AffordPoseNet 失败案例（pull/twist 等小部件接触不准）；限制 claim 的重要证据。\n- Table 1：与现有 HOI 数据集对比；核心定位表，见 module_d。\n- Table 2：数据集统计（641 物体、13 类、8 affordance、26,712 交互及每类数量）；支撑规模 claim。\n- Table 3：affordance understanding 分类 accuracy 与部件定位 IoU；核心结果表，见 module_d。\n- Table 4：生成任务 Penet.Depth、Solid.Intsec.Vol、Contact Ratio、Affordance accuracy；核心结果表，见 module_d。\n- Table 5：RGB 交互分类 precision/recall；应用结果，非核心创新。\n- Table 6：RGB 手网格恢复 MPVPE/MPJRE；应用结果，非核心创新。\n缺失说明：正文多次引用 supplementary material（物体/affordance 选择细节、更多统计、RGB 详细评估），但给定材料未含补充材料、代码、数据文件或完整附录；Figure 1–12 的实际图像在文本中仅为链接/占位，细粒度视觉判断需核验原图。\n\n\n\n\n## 第三轮：评估与复现\n\n\n### 可信度、局限与复现\n\n可信结论（按证据强弱）：\n\n1. 数据集规模与构成：Table 2 内部自洽，641 个物体、13 类、8 种 affordance、26,712 个交互；每物体 1–5 种 affordance，至少 28 个交互，平均 42 个；5 名志愿者共识标注部件 affordance，14 名志愿者标手姿态。该结论只依赖文档表格与 3.1 节文字，可信度较高；但标注者间一致性、拒绝/重标率、类别平衡未报告。\n2. 部件 affordance 与手姿态相关：Table 3 在 8-1-1 划分上用 DGCNN 得分类 mean 94.40（intrinsic）→98.39（all），定位 IoU 95.36→96.29；support/twist 在加入 extrinsic 后明显提升，pull 定位仅 77.78。支持“affordance 与手部构型/位姿相关”，但只有一个骨干、无误差棒/多种子，且划分是否按物体隔离未说明；若同一物体的不同交互被随机分到 train/test，指标会高估。\n3. 条件生成能改变手姿态：Table 4 的 AffordPoseNet 平均 affordance accuracy 83.51%，Figure 10 定性显示 GrabNet 对同一多 affordance 物体常生成相似手，而 AffordPoseNet 可按 one-hot 条件产生不同手。支持“条件可控性”，但不支持“整体生成质量更优”：Solid.Intsec.Vol 4.57 vs GrabNet 3.20 cm^3，Penet.Depth 0.89 vs 0.87 cm，Contact Ratio 96.06% 持平；pull 0%、twist 53.13%，Figure 12 承认小部件接触错误。\n4. RGB 应用可运行：Table 5 平均 precision/recall 约 97.3%，Table 6 MPVPE 16.4 mm、MPJRE 0.1892；但这是合成渲染图上的内部结果，lift MPVPE 45.36 mm、pull MPJRE 0.3796 显示遮挡/多样性下失败，不能外推真实图像。\n\n证据不足或需核验：\n\n- “首个大规模 part-level affordance 配对完整手姿态数据集”是作者 claim；Table 1 的 intent 分类与计数为作者自报，未做统一协议或外部核验。\n- 生成任务只有 GrabNet 一个基线，且 Table 4 中 GrabNet 的 affordance accuracy 为“-”，无法直接比较语义匹配；Figure 10 为挑选样例，未给失败率。\n- 物理合理性未提升，作者建议用物理模拟器后处理，说明当前生成不能直接用于机器人/AR 执行。\n- 8 类 affordance 是专家 panel 的封闭集合；是否覆盖真实交互、部件歧义、no affordance 处理未量化。\n- 未报告 loss、优化器、学习率、batch、epoch、GPU、随机种子、数据许可、代码是否可运行；MPJRE 在文中又称 AUC，定义不一致。\n\n关键假设与失败场景：\n\n- 假设部件 affordance 标注可靠且互斥；若标注歧义（如 support 与 wrap-grasp 边界），分类/定位和生成条件都会含噪。\n- 假设 GraspIt! 力分析过滤足以保证物理可行；但未报告过滤阈值和拒绝率，Table 4 仍出现大相交体积。\n- 假设 MANO 固定 beta、16 DoF 足以表达功能交互；对精细工具使用、手形差异、双手/动态任务不足。\n- 假设合成物体与渲染 RGB 可代表真实场景；真实域偏移、遮挡、传感器噪声未验证。\n- 失败场景：小部件（pull 拉链、twist 瓶盖）定位/接触失败；support 大接触面导致 22.93 cm^3 相交；多 affordance 同物体条件混淆；测试集加入 211 个无 GT 手姿态物体时只能评接触部件，不能评姿态自然度。\n\n复现计划：\n必须获取：完整数据（物体/部件分割/affordance 标签/MANO 参数/划分）、补充材料、代码或至少网络与训练配置、GrabNet 基线实现、渲染与评测脚本。当前文档未含这些，项目页 <https://github.com/GentlesJan/AffordPose> 未访问，列为 blocker。\n关键设置：8-1-1 split（先确认按物体隔离）；手姿态输入 intrinsic vs all；10D MLP 编码 + 每点 xyz 拼成 N×13；DGCNN 分类/分割双分支；AffordPoseNet 将 affordance one-hot 与物体特征拼接；扩展测试 211 物体；affordance accuracy 的 alpha 从 0.004 m 起、步长 0.001 m、上限 0.01 m。\n待补：点云 N、MLP 层宽、DGCNN 邻接 k、损失（分类交叉熵/分割？）、生成损失、优化器、学习率、epoch、batch、种子、渲染相机与光照。未报告前不得臆造。\n\n验证步骤与成功标准：\n\n1) 重建统计与划分：核对 641/13/8/26,712，每物体交互数；检查 train/val/test 物体不重叠、类别与 affordance 分布。成功标准：统计完全一致且无物体泄漏。\n2) 复现 Table 3：训练 DGCNN 至少 3 个种子；比较 intrinsic/all；加“打乱手姿态”与“只给物体”对照，证明提升来自手姿态而非物体类别捷径。成功标准：all 输入在 support/twist 上高于 intrinsic，均值与论文同量级（建议差距 ≤5 个百分点），多种子方差小于关键差异。\n3) 复现 Table 4：在同一划分训练 GrabNet 与 AffordPoseNet；用同一个接触部件评分器同时评两者（补上 GrabNet 缺失的 affordance accuracy），在带 GT 手姿态测试集和 211 物体扩展集分别报告；多种子均值±95% CI。成功标准：AffordPoseNet 的接触部件匹配率显著高于 GrabNet，且 Solid.Intsec.Vol 不出现不可接受恶化；否则“语义条件有效”仍可成立但“生成更好”不成立。\n4) 物理与感知验证：用模拟器计算穿透/接触，检查小部件失败率；若条件允许，用少量真实 RGB-D 或机器人执行测试域偏移。成功标准：小部件（pull/twist）失败率有量化改进，真实图像性能下降可解释。\n5) RGB 复现为外围：按报告渲染 3 视角训练 ResNet-18，按 I2L-MeshNet 改造做手网格恢复；若相机/光照不明，先标为不可复现。\n\n伪代码（评测核心，帮助重建 affordance accuracy）：\nfor each sample:\n  pred_hand = model(object, affordance_onehot)\n  compute contact points with dist <= alpha\n  if none: increase alpha by 0.001 until 0.01\n  if none at 0.01: correct = False\n  else: part = argmax contact count; correct = (part == gt_part)\n该伪代码只覆盖评测，不补足训练细节。\n\n\n\n\n\n### 应用约束\n\n数据约束：AffordPose 是合成 3D 物体上的静态单手交互，641 个物体、13 类、8 种封闭 affordance、26.7K 交互；手模型固定 MANO shape beta，只改姿态。标注需要 5 名志愿者共识标部件、14 名志愿者逐手调姿，成本高；未报告标注者间一致性、拒绝率、数据许可与真实传感器数据。\n\n计算与延迟：离线任务使用 DGCNN、ResNet-18、I2L-MeshNet，模型规模看似中等，但训练轮数、优化器、GPU 型号、渲染成本均未报告；生成任务若加物理模拟器后处理，会进一步增加时延。文中没有推理延迟测量，不能声称可实时用于 AR 或机器人闭环。\n\n鲁棒性：小部件失败明显（pull 0%、twist 53.13%，Table 4；Figure 12），support 的 Solid.Intsec.Vol 达 22.93 cm^3；接触判定依赖 alpha 从 0.004 m 到 0.01 m 的阈值。合成到真实图像的域偏移、遮挡、传感器噪声未验证；同一物体多 affordance 时条件可能混淆。\n\n适用性：已展示的是离线基准、条件生成和合成渲染 RGB 应用；可合理推断用于预训练、affordance 条件建议、数据增强和算法对比。直接部署到机器人抓取、AR 实时提示或安全关键场景仍属推断，需要真实数据校准、物理可行性后处理、失败检测与延迟优化。\n\n\n\n\n\n### 探索问题\n\n1. 标注可靠性与 affordance 分类体系是否足够？验证方法：抽取 10%–20% 交互，让独立标注者重标部件 affordance 与手姿态，计算 Fleiss kappa/一致率、歧义率、拒绝率；并做标签合并消融（如 support 与 wrap-grasp 合并）。可能收益：判断 Table 3/4 的高指标是否被标签噪声或过粗类别抬高。风险：重标成本高，部分 affordance 本身主观，合并不一定对应真实任务边界。\n\n2. 在公平协议下，affordance 条件是否真的提升语义匹配与物理合理性？验证方法：固定按物体隔离的划分与多种子，使用同一个接触部件评分器同时评 GrabNet 与 AffordPoseNet（补上 Table 4 中 GrabNet 缺失的 affordance accuracy），加入只给物体、打乱 affordance、错误 affordance 等对照，并用物理模拟器复算穿透/相交。可能收益：直接检验核心 claim，区分“条件可控”与“生成质量更好”。风险：GrabNet 基线引用/实现不一致，评分阈值 alpha 敏感，物理后处理会改变结论。\n\n3. 合成数据能否迁移到真实图像或机器人执行？验证方法：在少量真实 RGB-D 或公开真实手-物数据上做零样本/微调测试，报告分类、手网格恢复与接触部件准确率；若做机器人，加入力控与安全约束，测任务成功率与延迟。可能收益：判断数据集能否用于 AR/机器人，而不只是合成基准。风险：域偏移大、真实标注昂贵、机器人实验有安全与许可风险。\n\n\n\n\n\n### 引用与核验\n\n引用核查范围：仅依据给定文档的正文引用与参考文献表，未访问外部论文、项目页或代码库；因此外部事实均标为待核验。\n\n支撑新颖性/定位的关键引用：\n\n- 与 contact-map 类工作的差异依赖 [^2] ContactGrasp、[^3] ContactPose、[^24] Contact2Grasp；文中称它们先标接触图再优化手姿态，本文直接人工调 MANO 手姿态。该对比只来自本文 Related Works，待与原文核验。\n- 与 grasp type 的差异依赖 [^8] YCBAfford/GanHand；文中称 grasp type 只表示关节安排，不定位功能部件。该判断待核验。\n- 与 intent 类工作的差异依赖 [^40] GRAB、[^51] OakInk；文中称其 intent 以人为中心、与物体类别和部件属性脱节。该概括待核验。\n- 与 object affordance 的差异依赖 [^11] FPHAB；文中称 object affordance 泛化有限。待核验。\n- 3D/part affordance 背景依赖 [^9] 3D AffordanceNet、[^50] PartAfford；本文 claim 的“首个”没有外部检索支撑，保持待核验。\n\n最强比较与最可疑引用：\n\n- Table 4 的 GrabNet 基线在 5.2 节引为 [^40]，Figure 10 又引为 [^41]，但参考文献 [^40] 与 [^41] 均为 GRAB 数据集，不是 GrabNet。这是严重的引用/命名不一致；GrabNet 的实际实现、训练协议和语义指标缺失均无法从本文确认。\n- Table 3 的对比是内部 intrinsic vs all，没有外部点云网络基线；不能据此外推“DGCNN 最适合”。\n- Table 1 中 HO3D、DexYCB、YCBAfford、Obman、FPHAB、ContactPose、GRAB、OakInk 的物体数、手姿态数与 intent 分类只来自本文表格，未与各原文核对；比较条件不是统一评测协议。\n- Table 6 将 MPJRE 标为 AUC，正文称 mean per joint radian error，定义与单位不一致；这是复现评测时必须先澄清的内部不一致。\n\n复现依赖引用：\n\n- [^31] PartNet、[^48] PartNet-Mobility/SAPIEN 提供物体与部件分割；[^35] MANO 提供手模型；[^30] GraspIt! 提供标注界面与力分析；[^47] DGCNN 提供理解骨干；[^32] I2L-MeshNet 提供 RGB 手网格恢复改造基础；[^17] ResNet-18 用于 RGB 分类。上述版本、代码链接与许可未在文档中给出，均待核验。\n- [^16] Obman 被引为 MANO 16 rigid parts、固定 beta 的实践来源；[^8] YCBAfford 被引为 GraspIt! 力分析过滤的实践来源；[^51] OakInk 被引为生成实验对照协议来源。这些复现依赖需查原文确认。\n\n其他引用：手姿态估计/抓取合成相关 [^4][^5][^10][^13][^16][^26][^27][^28][^29][^43][^44][^45][^53][^54]，affordance 数据集/检测相关 [^6][^7][^9][^12][^14][^18][^21][^23][^25][^33][^34][^36][^37][^38][^39][^42][^46][^50]，以及 [^1][^15][^22][^49][^52] 等，未逐一核对，按外围引用处理。项目页 <https://github.com/GentlesJan/AffordPose> 出现在摘要中，但未访问，代码与数据可用性待核验。\n\n\n\n\n\n### 最终判断\n\n总判断：数据集构建、统计与“部件级 affordance 与手姿态强相关”的证据较可信，适合作为基准、预训练或条件生成的研究素材；但“AffordPoseNet 生成质量更优”和“可部署”证据不足，物理合理性甚至略差，小部件失败明显。应把 Table 3 视为相关性证据、Table 4 视为条件可控性证据，而不是完整生成系统已可靠的证明。下一步应获取补充材料与代码，先核验按物体划分，再用统一接触评分器复现 Table 4。"
}