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。

通过操作物体点云和手部参数空间，引入了统一的基于扩散的灵巧抓取生成模型(UGG)，改进接触建模表示。模型灵活性和质量使得能够集成轻量级鉴别器，推动高成功率和高多样性。模型还可根据手部信息生成物体，为对象设计和研究提供洞察。在DexGraspNet数据集上实现了最先进的灵巧抓取，促进了以人为中心的对象设计。