本研究提出了基于物理原理的方法，通过优化场景布局生成器和物理模拟器中的人体移动，实现可信和真实的交互动作。使用强化学习进行双重优化，通过重新塑造追踪奖励和估计的伪接触标签获得的姿势先验指导来促进优化。展示了物理上可信的场景布局重建。

物理启发的神经网络（PINNs）结合深度学习和物理原理，有效解决偏微分方程问题。研究发现，使用高斯激活函数训练PINNs更有效。通过预处理的神经网络架构增强优化过程，验证了理论发现。