该论文提出了一种基于物体形状和接触的功能性抓握合成框架，并利用ContactPose数据集评估接触建模。研究表明，通过新目标模型和自我监督任务生成的抓取姿态显著提升了抓取效果。此外，引入以关节为中心的传感器和多模态抓取扩散方法，增强了模型的泛化能力，推动了手部操作合成的进展。

该论文提出了一种基于人体接触示范的数据集GRAB的抓握合成框架，结合强化学习和物理模拟，实现多样化的抓取运动。研究者开发了新型生成模型SAGA和GraspXL，能够在复杂环境中生成逼真的手部抓握，提升抓取质量和控制精度。