该文章介绍了交互网络模型，使用深度神经网络进行对象和关系居中的推理，能够推断复杂系统中物体之间相互作用的方式，支持对系统动态预测，以及对系统抽象属性的推理。

本研究介绍了一种名为GRIP的基于学习的方法，用于模拟真实手部与物体的相互作用。GRIP能够生成精确的手部姿势，避免手与物体的穿透。实验证明，GRIP优于基准方法，并适用于不同动作捕捉数据集中的不可见物体和动作。