Generated SMPL-X HOI/HSI 到物理可执行轨迹：Refiner、Teacher 与 State-Based Student 总体实验方案

Material Passport

Origin Skill: academic-research-suite / experiment-agent
Origin Mode: plan
Origin Date: 2026-07-24
Verification Status: ANALYZED
Version Label: generated_motion_physics_strategy_v1
Evidence Scope:
已核对本项目当前 KIMODO、PHC-X、OmniGrasp、InterMimic、GRAIL 和 refiner 文档及已有实验结果；
已核对 RePHO release 4fceb14a3eee197ba7abede1c940f384f5d38736；
已核对 InterPrior、RePHO、InterMimic、HOI-FHLI、ResMimic、GRAIL、SUGAR 等论文或官方项目页；
本文是实验设计与方法定位，不把未运行的 adapted baseline 标为已验证。

1. 论文主线

PhysHSI 的目标不是视频重建，也不是最终部署一个 dense-reference tracker。论文主线应固定为：

SAGE scene + task
        ↓
KIMODO 生成 kinematic SMPL-X HOI/HSI
        ↓
Physics refiner / full-reference teacher
  把单条 generated motion 投影为物理可执行 rollout
        ↓
可执行 teacher trajectories + actions + contacts + failures
        ↓
goal-conditioned state-based student
        ↓
只给当前 state + sparse task goals 的自主物理执行

三层模型的职责必须分开：

KIMODO generator
负责 task semantics、长程时序、human motion、object trajectory、hand pose、 contact hint 和 scene alignment；
输出可以不完全物理可执行。
Physics refiner / teacher
训练时允许读取完整 human/object reference、contact、phase 和 privileged simulator state；
输出真实动态 object、真实 contact 和稳定 human balance 下的可执行 rollout；
它可以是 per-reference policy、shared tracker、trajectory optimizer，或它们的混合。
State-based student
最终部署时不读取 dense HOI reference；
dynamic pick–place 的最小目标条件只保留 object goal state；
通用 HSI/HOI 版本允许 object-goal、contact、task 和 relation tokens，但它们都是稀疏任务目标，不是未来人体轨迹；
根据当前 human/object/contact/scene state，自主生成 approach、grasp、carry、 place、release 和失败恢复。

因此，“refiner 是否依赖 reference”和“最终 policy 是否依赖 reference”是两个不同问题。 teacher 使用 full reference 不削弱最终 state-based claim；它是生成训练监督和物理技能的工具。

2. 两个独立研究问题

RQ-A：怎样把一条 generated motion 变成可执行 teacher trajectory？

输入：

generated SMPL-X motion
+ dynamic-object pose trajectory
+ contact/phase hints
+ layout_json + object identity

输出：

physically simulated human trajectory
+ physically simulated object trajectory
+ humanoid actions/torques
+ actual contacts
+ execution metrics

核心比较不是“哪个方法的视频重建更好”，而是：

在同一条 KIMODO-generated SMPL-X pick–place reference 上，哪种 tracking/refinement family 能最稳定、最省样本地得到物理可执行 rollout，同时保留 task semantics 和足够的 motion fidelity？

RQ-B：怎样从 teacher trajectories 学到无 reference 的最终 policy？

输入：

current human/object/contact/scene state
+ sparse object/contact/task goals
+ teacher rollout dataset during training only

部署输出：

humanoid action

核心问题是：

能否先从 full-reference expert 蒸馏物理技能，再通过 state-based RL post-training，使最终 policy 只用稀疏 task goals 完成未见初始化、目标、对象和失败恢复？其中 dynamic pick–place 的最小条件是 object goal state，通用 HSI/HOI 再比较 InterPrior、TokenHSI、UniHSI 和 VLM-RMD 风格的目标表示。

RQ-A 先解决单条轨迹物理化；RQ-B 才是论文终极模型。两者不能用同一张结果表混写。

3. 当前固定输入与 Physics Contract

第一条 canonical case 固定为：

motion:
output/auto_experiments/
  20260724_cup_left_hand_object_interaction_interface_parity_rerun/motion.npz

layout:
data/selected_SAGE10k/e2e_test_scenes/2cdc81db/layout_2cdc81db.json

task:
output/auto_experiments/20260705_hsi_generation_task_inputs/task_plan_left.json

正式 run 不得改变 motion、layout、task、seed 或 task semantics。

共同 contract：

canonical reference 为 597-frame、30 Hz、SMPL-X、pick/place 98/568；
human reference、physics humanoid asset 和 FK 使用同一个 KIMODO body-shape contract；
dynamic object 由 layout_json + dynamic_object_id 在 simulator boundary 加载真实 mesh；
object 是自由动态刚体，evaluation 时禁止播放 reference object pose；
support 和 scene collision 来自 SAGE layout，不创建重复 table/ground/target；
policy 只控制 humanoid；
virtual object force、kinematic binding 或 reference teleport 只能是显式 curriculum，并在正式 evaluation 中归零；
rollout 和 final refined motion 返回 canonical world frame；
refiner 不修改 canonical KIMODO artifact；输出新的 canonical refined artifact；
manifest 只记录 provenance，不作为运行时 state bus。

4. 不能只按方法名比较：五个正交选择轴

每个 baseline 必须在以下五个轴上显式标注，否则“pretrained vs scratch”会混入多个变量。

轴	选项
初始化	无；human-only tracker；HOI tracker；generative HOI prior
适配范围	frozen；residual head；latent adaptor；full fine-tune；per-sequence policy
Reference	fixed raw KIMODO；可更新 reference；只在训练时用；完全不用
Action	direct PD target；action residual；latent residual；diffusion/action chunk
训练单位	per-reference；multi-reference shared teacher；distilled student

RePHO 与普通 InterMimic fine-tune 的核心区别不是“输入来自视频”，而是：

以 noisy kinematic trajectory 为初始化；
用 pretrained InterMimic checkpoint warm start；
进行 sequence-specific physics tracking；
使用 adaptive sampling；
在 policy learning 与 kinematic reference update 之间做双向、自更新传播；
release 同时训练 forward/backward 路径。

这正是 RQ-A 的一条主要 refiner family。

5. RQ-A：Generated motion 物理化的完整方法族

F0：无学习的 simulation / optimization lower bounds

F0-A：Reference PD replay

逐帧把 reference joint pose 作为 PD target，object 完全动态。

作用：

测量 reference 在没有 learned correction 时的动态可执行性；
暴露初始冲量、接触穿透、脚滑、balance 和 object drop；
不是最终方法，因为它没有闭环恢复能力。

F0-B：Contact-aware trajectory optimization

直接优化 root、body joints、hand pose、object pose或控制序列，约束：

rigid-body dynamics；
contact complementarity 或 soft contact；
no penetration；
friction cone / wrench support；
joint/torque limits；
reference edit penalty。

可以实现为 direct collocation、shooting、MPC 或 differentiable simulation。它提供“policy-free physics projection”基线，尤其适合单条 trajectory。

F0-C：Kinematic correction + fixed tracker

先离线优化 wrist/object/contact 和 root balance，再交给 frozen tracker。 InterAct→InterMimic 的数据修正链属于该思路。它用于区分：

reference 本身不可执行；
tracker/controller 能力不足。

F1：Pretrained scene-agnostic full-body human tracker

代表：PHC-X、PULSE-X tracker、SONIC 或同类 general motion tracker。

F1-A：Frozen human tracker

只跟踪 human reference，object 在物理中自由运动。

优点：

零训练或极少 adaptation；
human naturalness 和 locomotion prior 强；
是 human tracking 上界/HOI execution 下界。

局限：

policy 不观察 object/contact，通常无法主动修正 grasp；
不能作为成功 refiner，只是必要 control。

F1-B：Full fine-tune human tracker

从 human tracker checkpoint 开始，加入 object/contact observation 和 reward，更新全部 policy 参数。

优点：容量大。

风险：遗忘 human prior、训练不稳定、难以判断收益来自预训练还是新 reward。

F1-C：Action residual

a = a_human_tracker + scale * delta_a_hoi

代表：ResMimic-style、当前 PHC-X OmniResidual 候选。

优点：

保留 locomotion/balance；
residual 专注 wrist、hand、object 和 contact correction；
对单条轨迹通常比 153D scratch 更省样本。

必须比较：

residual 是否读取 base action；
body/hand 是否分 mask；
residual scale；
base action 是否 frozen；
reference PD target 与 base policy action是否重复 affine。

F1-D：Latent residual / adaptor

z = z_base + delta_z_object
a = decoder(z)

代表：GRAIL object-aware latent adaptor、OmniGrasp/PULSE-X latent family。

优点：低维、动作自然。

局限：latent manifold 可能缺少精细手物修正；必须先过 zero-residual closed-loop gate。

F2：Pretrained HOI tracker / HOI motor prior

这类方法已经观察 human-object relation、object geometry、contact 或 future object goal。

F2-A：Frozen/zero-shot HOI prior

代表候选：

pretrained InterMimic；
OmniGrasp；
InterPrior 的 full-reference 或 goal-conditioned inference；
已发布 checkpoint 的其他 HOI tracker。

作用：测量现有 HOI prior 对 KIMODO-generated motion 的直接 transfer。

注意：

OmniGrasp 强项是 object trajectory execution，不是完整 human-reference fidelity；
InterPrior 是 sparse-goal generative controller，最重要的位置是 RQ-B；
若 checkpoint、embodiment 或 object family不兼容，必须标记为 unavailable，不能把重新训练后的结果称为 zero-shot。

F2-B：HOI checkpoint + residual adaptor

冻结 pretrained HOI policy，只学：

action residual；
latent residual；
goal adaptor；
object geometry/contact encoder。

它回答“HOI prior 是否比 human-only prior 更适合 refiner warm start”。

F2-C：HOI checkpoint full fine-tune

在同一 generated sequence 上微调整个 HOI tracker。

它比 F2-B 容量大，但要单独报告：

checkpoint 预训练数据；
trainable parameter ratio；
catastrophic forgetting；
到达成功的 environment steps 和 wall time。

这是当前最值得优先接入的路线之一：

KIMODO kinematic HOI
        ↓
convert to RePHO/InterMimic tracking contract
        ↓
pretrained HOI tracker warm start
        ↓
adaptive sampling + forward/backward policy learning
        ↓
update kinematic target from successful physical states
        ↓
repeat
        ↓
canonical refined SMPL-X human/object rollout

项目 adaptation 不需要 VisTracker、GVHMR 或视频重建前端。唯一输入是 canonical KIMODO motion。需要移植的是：

RePHO tracking representation；
adaptive sampling；
dual self-updating reference；
forward/backward rollout selection；
checkpoint initialization。

必须保留的项目边界：

输出回到 KIMODO SMPL-X absolute-hand contract；
object geometry从layout加载；
不把 RePHO intermediate files 变成主 pipeline 的 runtime state bus；
先作为 per-reference refiner，不提前改成 shared model。

F3：Train-from-scratch full-reference tracker

F3-A：Current-frame direct tracker

代表：HOI-FHLI physics tracker。

pi(current human/object state,
   current dense human/object target)
  -> 153D PD target

优点：结构最直接，适合判断单条 reference 是否可被 PPO overfit。

F3-B：Sparse-future direct tracker

代表：InterMimic-style t+1,t+16，加入 object surface、interaction 和 contact。

优点：对未来 contact 和 object motion有预见。

局限：对 noisy reference 很敏感；PSI/IET 和 reference correction必须单独报告。

F3-C：Full next-frame contact-graph tracker

代表：PhysHOI-style。

特点：

actor 读取下一帧完整 HOI；
reward 使用 body/object/interaction/contact graph；
适合检验显式 contact graph 的价值。

F3-D：Skill-conditioned imitation

代表：SkillMimic-style。

它更接近 reusable skill teacher，而不是单条 strict reconstruction。第一轮可作为扩展，不应替代 direct tracker control。

F3-E：Finger-free / wrist-guided tracker

代表：WristMimic-style。

只跟踪 body/wrist/object/contact outcome，不强追 noisy finger reference。它回答“精确 finger pose supervision 是否反而阻碍真实 grasp”。

F4：Reference-editing 和 controller learning 的混合

这些不是新的 policy architecture，而是对 fixed noisy reference 的处理方式：

先修 reference，再训练 tracker；
tracker rollout 反向更新 reference；
policy/reference 交替优化；
forward/backward 从可靠片段向两侧传播；
phase-wise refine：approach、grasp、carry、place、release 分段训练；
curriculum assistance：virtual object/controller force逐步退火；
successful physical-state pool：用可行物理 state 改善 reset 分布；
ensemble/select-best：多 seed、多 contact hypothesis、多 refiner candidate筛选。

RePHO、InterMimic PSI、InterAct correction 和 SUGAR refiner分别覆盖其中不同组合。实验中必须把“policy架构”和“reference更新策略”分成两个变量。

F5：Shared multi-reference refiner

代表：SUGAR-style shared refiner、multi-motion InterMimic/InterMimic+。

目的：

从 per-reference teacher 扩展到一个 motion-pool refiner；
降低每条 KIMODO motion 单独训练的成本；
为 RQ-B 提供大规模、统一质量的 teacher rollout。

它属于第二阶段 scaling，不是当前单条 trajectory 选型的前置要求。

6. RQ-A 第一轮必须运行的 baseline matrix

为了覆盖用户提出的三类，同时加入必要的 lower bound 和 RePHO 主候选，第一轮固定以下七条：

ID	Family	Initialization	Reference update	训练单位	主要回答
A0	Reference PD	None	Fixed	None	raw reference 是否直接物理可执行
A1	PHC-X Frozen	Human-only prior	Fixed	None	human tracking upper bound、object lower bound
A2	PHC-X action residual	Human-only prior	Fixed	Per-reference	scene-agnostic prior + HOI residual 是否高效
A3	Pretrained HOI fine-tune	InterMimic/available HOI checkpoint	Fixed	Per-reference	HOI prior 是否优于 human-only prior
A4	RePHO-style	Pretrained InterMimic	Alternating update	Per-reference	自更新 refiner 是否最适合 noisy KIMODO HOI
A5	InterMimic scratch	None	Fixed/PSI only	Per-reference	strong direct full-reference scratch baseline
A6	HOI-FHLI scratch	None	Fixed	Per-reference	minimal current-frame direct tracker baseline

第二优先级：

ID	Family	原因
A7	Offline contact-aware trajectory optimization	单条轨迹的 policy-free 对照
A8	OmniGrasp adapted	已有 object-execution 强结果，但 human fidelity不是主目标
A9	GRAIL-Min-SMPLX	严格 residual/latent 方法验证，工程 contract 较重
A10	PhysHOI scratch	contact-graph ablation
A11	WristMimic-style	noisy finger-reference ablation

InterPrior 不放入 RQ-A 的首轮 refiner排名。它可在所有 mask 打开时做 full-reference expert，但对本论文最关键的是 RQ-B 的 student 和 post-training recipe。

7. Fixed-reference 与 RePHO-style 不能只比 reference error

RePHO-style 会修改 target，fixed-reference tracker不会。若只比较对 raw KIMODO 的 MPJPE，算法可能因做了必要的 contact/balance修正而看似更差。

统一报告三组指标：

7.1 Task/physics primary metrics

full-sequence completion；
pick success；
lift height；
hold duration/rate；
place position/orientation error；
release success；
object drop/launch；
human fall；
object/scene、human/scene、self penetration；
foot slip；
torque/action/joint-limit violations。

7.2 Fidelity secondary metrics

human MPJPE mean/p95；
root、arm、wrist、finger error；
object position/orientation error；
contact precision/recall/F1；
hand-object relative SE(3) error；
phase timing drift。

7.3 Reference-edit metrics

raw→refined root/joint/object displacement；
contact onset/release timing change；
phase duration change；
edit localization：是否只改交互关键窗口；
raw reference fidelity与refined self-consistency分开报告。

Primary ranking 先按真实 execution success，再按 reference-edit magnitude 和 fidelity 决胜；不能用较小 MPJPE 掩盖 object 留在桌面或错误 contact。

8. RQ-A 分阶段实验门槛

Gate E0：Representation/physics

shape/hash/XML/reference一致；
frame count/fps/coordinate exact；
object mesh、scale、pivot、mass、friction一致；
reset frame 0 human/object exact；
no second runtime height fix；
static hand/object/support geometry audit通过。

Gate E1：Reference replay

reference PD、zero-action 和 frozen tracker均完成 deterministic trace；
记录首个 fall/drop/penetration frame；
所有方法共享同一 canonical evaluator。

Gate E2：Short interaction smoke

只覆盖 approach→grasp→early lift，检查：

observation/action finite；
backward/update/checkpoint正常；
actual contact来自 target object，不来自 support；
assistance能退火到0；
deterministic evaluation可运行。

Smoke 不排名，不允许因为 short-window 成功宣称 full execution。

Gate E3：Single-sequence overfit

完整 597 frames；
每 500 epochs或固定 environment-step cadence做 deterministic evaluation；
fixed seed开发后，最终运行3 seeds；
不只报告最好 checkpoint；
每条路线有独立 max budget，另报告 steps-to-first-success。

Gate E4：Reference noise robustness

在选出的2–3条 refiner family上增加：

root/object perturbation；
finger/contact noise；
timing warp；
mass/friction/COM变化；
initial human/object displacement。

Gate E5：Multi-motion scaling

从单 cup 扩展：

single-hand不同形状；
bimanual large object；
push/pull；
static HSI；
不同 scene/support。

通过后才进入 shared refiner 和 student dataset构建。

9. RQ-B：无 dense reference 的最终 state-based student

9.1 最终部署输入

首先区分两个 deployment scope。

Dynamic pick–place 最小 setting：

observation:
  current human proprioception
  current object pose/velocity
  current human-object relation/contact
  local scene geometry needed for collision/navigation

goal:
  future object target state only

masked / unavailable:
  dense future human motion
  dense future object trajectory
  reference joint pose
  reference action
  reference contact sequence

“object goal state only”指 goal channel只给 object target；current-state observation 仍必须包含执行闭环所需的人体、物体、接触和局部场景状态。

通用 HSI/HOI setting：

observation:
  current human/object/contact state
  state history
  local scene geometry

variable sparse goal tokens:
  object-goal token
  human-root/navigation token
  body-part ↔ object-part contact token
  relative-movement/relation token
  phase/termination token

never provided:
  dense future human trajectory
  dense reference actions

这使最终student同时覆盖：

dynamic HOI：pick、carry、place、push、pull；
static HSI：sit、lie、lean、get-up；
multi-object和long-horizon task chaining。

因此论文的硬claim应是 reference-free deployment，而不是强迫所有任务都只用 object pose。Object-only是dynamic pick–place的最小主实验；contact/task/relation token是通用系统扩展。

9.2 三阶段训练

Student Stage S1：Full-reference expert

从 RQ-A 选出成功 refiner/teacher；
在大规模 KIMODO→refined rollout池上训练 shared expert；
expert允许完整 future reference。

Student Stage S2：Goal-conditioned distillation

参考 InterPrior：

将 expert 蒸馏到 conditional variational policy；
encoder只在训练时读取完整 future teacher trajectory；
prior只读取state history + sparse masked goal；
decoder输出低层 action；
使用 expert/self-rollout mixture或DAgger减少分布偏移；
训练中随机 mask human、object、contact goal组件。

PhysHSI 的dynamic pick–place主部署 setting固定 object-only mask。通用student 再把TokenHSI/UniHSI/VLM-RMD风格的task tokens作为并列目标表示，而不是把它们混进第一条object-only因果实验。

Student Stage S3：State-based RL post-training

从 perturbed initialization到单帧 object goal做 in-betweening；
加入 near-failure、failed grasp、drop和fallen state resets；
RL优化 goal success、真实 contact、balance和效率；
保留一部分 distillation environments防止遗忘；
训练 re-approach、regrasp、carry、place、release和恢复。

9.3 四类最终 student 路线

Student-F1：InterPrior-style sparse-goal motor prior

full-reference expert；
masked conditional variational distillation；
state history + sparse goal；
RL post-training和failure-state recovery；
dynamic pick–place可在推理时只提供object future snapshot。

它最适合作为“teacher trajectories怎样变成自主motor prior”的主模板。

Student-F2：TokenHSI-style task-token policy

humanoid proprioception作为shared token；
object、target、contact、navigation等任务信息作为variable-length task tokens；
transformer统一多技能并支持新tokenizer适配；
适合把SAGE task_plan.json编译为统一policy输入。

它回答的是“怎样统一多种HSI/HOI技能”，而不是“怎样修正单条reference”。

Student-F3：UniHSI-style Chain-of-Contacts

planner把语言/任务分解为human-joint ↔ object-part contact chain；
controller逐步执行contact goals；
对sit、lie、lean和多物体静态/动态scene interaction特别有价值。

它比object-only goal提供更强的interaction specification，但不需要dense body trajectory。

Student-F4：VLM-RMD-style goal/reward compiler

VLM把task和environment context转换成结构化Relative Movement Dynamics；
RMD描述human/object parts之间的时空关系；
自动生成goal states和RL rewards；
适合把SAGE语义task扩展到未手写reward的新interaction。

截至本文更新时官方项目页仍标注Code & Dataset Coming Soon，因此第一阶段只能做representation/ablation设计，不能声称official reproduction。

9.4 推荐的组合边界

这些路线不是互斥的。最自然的PhysHSI最终结构是：

SAGE scene + task_plan
        ↓
Sparse-goal compiler
  ├─ object goal                     (InterPrior-style minimal)
  ├─ variable task tokens            (TokenHSI-style)
  ├─ chain of contacts               (UniHSI-style)
  └─ relative movement dynamics      (VLM-RMD-style)
        ↓
state/history/geometry-conditioned motor policy
  ├─ teacher distillation
  └─ state-based RL post-training    (InterPrior-style)
        ↓
humanoid action

也就是说：

InterPrior主要提供 motor-prior training recipe；
TokenHSI主要提供 unified tokenized policy interface；
UniHSI主要提供 contact-plan task abstraction；
VLM-RMD主要提供 automatic goal/reward design。

首版不应一次实现四者全部。先用object-only goal验证teacher→student闭环，再只加一种通用task representation。优先顺序建议：

InterPrior-style object-goal-only student；
TokenHSI-style variable task tokens；
UniHSI-style contact tokens；
VLM-RMD-style automatic relation/reward generation。

9.5 Student baselines

ID	Student	Dense ref at inference	Object-only goal	RL post-train
S0	Full-reference expert	Yes	No	No
S1	Distilled object-goal policy	No	Yes	No
S2	Distilled + RL post-training	No	Yes	Yes
S3	RL from scratch	No	Yes	Yes
S4	InterPrior-style adapted	No	Yes	Yes
S5	TokenHSI-style task-token student	No	Supported	Optional
S6	UniHSI-style contact-chain student	No	Optional	Yes
S7	VLM-RMD-style goal/reward policy	No	Supported	Yes

主比较是 S1 vs S2，证明 post-training 带来的分布外恢复；S3检验 teacher/data prior 的必要性；S0只提供 expert上界。S5–S7回答goal representation和multi-task scaling问题，不与S1–S4的motor-prior因果实验混为同一ablation。

10. Student evaluation

最终论文不能只在 teacher reference上评价 student。至少包含：

seen object / seen scene / new goal；
seen object / unseen scene；
unseen object geometry；
randomized initial human/object state；
goal switching；
failed first grasp后的 regrasp；
object perturbation和drop recovery；
long-horizon多个 object goal串联。

主指标：

object-goal success；
time-to-goal；
fall/drop/failure rate；
contact correctness；
path/scene collision；
recovery success；
motion naturalness与能耗；
unseen object/scene generalization。

不再用 dense reference MPJPE作为 student primary metric。若存在对应 teacher， MPJPE只做风格/fidelity诊断。

11. 输出与数据闭环

每条成功 teacher case最终写：

case_id/
  task_plan.json
  layout_json reference
  kinematic_motion.npz provenance
  refined_motion.npz
  rollout.npz
  actions.npz
  contacts.npz
  metrics.json
  material_passport.json

这里列的是最终 canonical artifacts。训练 stage之间优先内存传递；不为连接两个Python函数额外写中间NPZ/JSON，也不让下游扫描manifest发现状态。

student dataset从成功 rollout构造：

(state_t, sparse_goal_tokens, action_t, next_state_t, success/failure labels)

同时保留 teacher reference用于训练期distillation，但deployment dataloader必须有硬测试，证明不读取future human/object reference。

12. 当前推荐执行顺序

冻结最新597-frame KIMODO case和共同 evaluator。
完成 A0 PHC-X/PD lower bounds，作为所有方法的共同诊断。
并列推进：
A2 PHC-X action residual；
A4 RePHO-style adapted；
A5 InterMimic scratch；
A6 HOI-FHLI scratch。
A3只在确认可用HOI checkpoint和representation parity后进入。
用 task/physics primary metrics选择2条 refiner family。
扩到多object/multi-scene motion pool，训练shared full-reference expert。
按 InterPrior 的 expert→variational distillation→RL post-training训练 object-goal-only student。
再比较 TokenHSI task tokens、UniHSI contact chain 和 VLM-RMD relation goals，扩展到通用HSI/HOI。
最终部署只给current state + sparse task goals；不提供dense HOI reference。

当前最高优先级判断：

RePHO-style 不是旁支视频baseline，而是最贴合“单条 generated KIMODO HOI 如何变成 physical teacher trajectory”的主 refiner候选之一；InterPrior 则是“如何从这些 teacher trajectories 得到无 reference 的state-based motor prior”的主模板。TokenHSI、UniHSI和VLM-RMD进一步决定最终policy如何表达多技能task、contact plan和自动goal/reward。