通过空间占据重新审视人类与场景交互

基于摘要分析。本文研究 Human-scene Interaction（HSI）生成中高质量人体运动与三维场景配对数据稀缺的问题，提出以空间占据统一描述交互，并利用纯运动序列构建 Motion Occupancy Base（MOB），降低对配对运动—场景采集及高质量场景扫描的依赖。 核心机制是将人体与场景的交互抽象为 Human-Occupancy Interaction：作者把纯运动序列视为人体与不可见场景占据交互的记录，从而汇集为大规模 human-occupancy 配对数据库。在此基础上，作者提出单一运动控制器，根据周围空间占据使人体达到目标状态。摘要未说明占据如何从运动中构造、目标状态的表示方式，以及控制器架构、损失函数和训练细节，这些内容尚未验证。 作者报告，在具有复杂占据布局的 MOB 上训练后，控制器能够处理狭窄场景，并泛化至复杂度较低的一般场景；在训练不使用真实标注（GT）三维场景的前提下，可在静态与动态场景中生成逼真、稳定的 HSI 运动。摘要未提供定量指标、数据规模、划分方式或对照结果，因此无法据此评估生成质量、稳定性及泛化收益的幅度；实验协议、消融及统计信息尚未验证。 其主要研究对象是人体运动与三维场景交互生成，而非神经信号建模。摘要没有给出空间占据机制与 EEG/BCI 数据结构的具体对应关系，因此不据此提出 BCI 迁移效果或复现实验建议。作者表示代码和数据将公开，但其实际可用性及复现条件尚未验证。