本研究结合自编码器预训练技术与图嵌入模型，显著降低了神经网络物理模拟器对网格拓扑变化的敏感性，提升了模拟器性能，为未来研究指明了方向。

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。

我们在2021年收购了MuJoCo物理模拟器并将其开源，现已在GitHub上发布。MuJoCo是一个优秀的开源平台，适合机器人研究，支持学术界和开源社区的合作，具有快速性能和无动态内存分配的特点。期待大家的贡献，共同提升研究水平。