CHOIS
CHOIS全称为Controllable Human-Object Interaction Synthesis，是面向人机交互动作生成领域的开源技术项目，核心定位是可控的人与物体交互动作合成工具
CHOIS全称为Controllable Human-Object Interaction Synthesis，是面向人机交互动作生成领域的开源技术项目，核心定位是可控的人与物体交互动作合成工具。核心功能包括根据自然语言描述生成对应的人与物体协同运动序列、结合初始状态与稀疏路径点约束输出符合物理规则的交互动作、通过接触约束保障手物交互与地面支撑的合理性。目标用户覆盖计算机图形学研究者、游戏动画开发人员、虚拟场景制作从业者、机器人运动规划研发人员等，可应用于3D动画内容制作、虚拟数字人交互动作开发、机器人行为模拟训练、元宇宙场景交互内容搭建等场景，帮助用户降低复杂交互动作的制作与研发成本。
- 适用对象
- 计算机图形学研究者(做交互动作生成相关实验)
- 主要功能
- 文本驱动生成、初始状态约束
- 计费方式
- 免费增值，部分功能付费
- 平台
- 网页
- 已收录
- 2026.06.14（138 天）
阅读目录
编辑评测与站内热度
编辑综合评分
满分 5 分
六维指标基于站内真实数据（热度、社区反馈、资料完整度、可达性核验等）综合评估，非用户投票。
全站热度排名
#4751
分类内排名
#55 / 209
累计站内点击
—
近 7 日点击
—
排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。
CHOIS是什么，怎么使用？
约 4 分钟CHOIS全称为Controllable Human-Object Interaction Synthesis，是面向人机交互动作生成领域的开源技术项目，核心定位是可控的人与物体交互动作合成工具。核心功能包括根据自然语言描述生成对应的人与物体协同运动序列、结合初始状态与稀疏路径点约束输出符合物理规则的交互动作、通过接触约束保障手物交互与地面支撑的合理性。目标用户覆盖计算机图形学研究者、游戏动画开发人员、虚拟场景制作从业者、机器人运动规划研发人员等，可应用于3D动画内容制作、虚拟数字人交互动作开发、机器人行为模拟训练、元宇宙场景交互内容搭建等场景，帮助用户降低复杂交互动作的制作与研发成本。
主要功能
- 文本驱动生成：用户输入描述交互行为的自然语言文本，例如“人走到桌子旁拿起水杯放在嘴边喝水”，系统即可解析语义信息，匹配对应的动作模式，输出匹配文本描述的人与物体协同运动序列，无需手动逐帧调整动作关键帧，可帮助动画制作者快速生成符合需求的交互动作雏形。
- 初始状态约束：用户可自定义交互开始时的人体姿态、位置信息，以及物体的初始摆放位置、朝向、尺寸等参数，系统会基于给定的初始状态推导后续交互动作逻辑，不会出现初始状态不匹配的动作跳转问题，适合已有固定场景前置设定的动画制作或模拟实验场景。
- 路径点引导生成：用户可以设置物体运动过程中的稀疏路径点，明确物体在交互过程中需要经过的关键位置，系统在生成动作时会自动对齐路径点约束，调整人体动作与物体运动轨迹，确保物体运动符合预设的关键节点要求，适用于有明确物体位移要求的交互模拟场景。
- 接触约束保障：系统内置手物接触损失函数与地面支撑约束规则，在动作生成过程中会自动校验手部与物体的接触合理性，以及人体足部与地面的支撑状态，避免出现穿模、浮空、物体脱离手部等不符合物理常识的问题，提升生成交互动作的真实感。
- 扩散模型采样：项目采用扩散模型作为核心生成架构，在采样阶段加入专门的约束引导项，平衡动作生成的多样性与规则符合性，既可以生成多组符合输入条件的不同交互动作版本，也能保障所有生成结果都满足预设的约束条件，适合需要批量生成多样化交互内容的场景。
- 开源可定制：项目提供完整的开源代码与训练好的模型权重，用户可以根据自身需求修改损失函数、调整约束权重，或是在自有数据集上进行微调，适配特定行业的交互动作生成需求，例如特定工业操作场景的交互模拟、特殊人物形象的动作适配等。
怎么使用
- 1. 首先访问项目官方页面，查看项目介绍文档与使用说明，确认功能是否符合自身需求，同时在页面找到代码仓库入口，将项目源码克隆到本地运行环境中。 2. 根据项目提供的环境配置说明，安装对应的Python依赖库、PyTorch等深度学习框架，下载预训练模型权重文件，放置到指定的项目目录下完成基础部署。 3. 准备输入数据，包括描述交互行为的自然语言文本、人体与物体的初始状态参数、可选的物体运动稀疏路径点，按照项目要求的格式整理为输入文件。 4. 运行项目的生成脚本，传入准备好的输入数据，根据需求调整约束权重、生成数量等参数，等待模型完成推理，生成对应的人与物体交互动作序列。 5. 生成完成后，使用项目自带的可视化工具查看生成的动作效果，验证是否符合输入要求，若有偏差可调整输入参数或约束权重重新生成，直到得到满意结果。
适合什么人群
- 计算机图形学研究者(做交互动作生成相关实验)
- 3D动画制作人员(制作角色与物体交互的动画内容)
- 游戏开发工程师(设计游戏内角色交互动作逻辑)
- 虚拟数字人开发者(为数字人添加真实交互行为)
- 机器人研发人员(模拟机器人与环境交互的运动轨迹)
- 元宇宙内容创作者(搭建虚拟场景内的交互内容)
总结
这是一个聚焦于人与物体交互动作合成方向的开源技术项目，区别于普通的动作生成工具，它最大的特点是同时兼顾了生成的可控性与真实感：既支持用户从文本、初始状态、路径点多个维度输入约束条件，让生成结果符合明确的场景要求，又通过专门的接触约束设计，解决了传统生成方法常见的穿模、接触不合理、物理逻辑错误等问题。对于相关领域的研发人员和内容创作者来说，它既可以作为直接使用的动作生成工具，减少手动制作交互动作的工作量，也可以作为二次开发的基础框架，基于其开源的架构适配特定场景的需求。项目文档中还提供了详细的实验对比数据与效果示例，用户可以直观了解不同输入条件下的生成效果，降低上手使用的门槛。
价格与免费额度
该项目为完全开源的学术研究项目，所有功能与预训练权重均可免费使用，没有功能限制，也不提供付费版本，用户可在遵守项目开源协议的前提下自由使用、修改、分发代码。适合所有有相关需求的研究人员、开发者、内容创作者免费使用，若用于商业场景建议提前确认开源协议的相关要求，避免授权风险。项目官方不提供定制开发、技术支持等付费服务，相关问题可通过项目仓库的Issue渠道提交反馈。
优点与不足
优点
- 支持多维度输入约束，可同时通过文本、初始状态、路径点控制生成结果，适配不同场景的定制化需求
- 内置接触约束机制，有效减少手物穿模、人体浮空等不符合物理规则的问题，提升生成内容真实感
- 采用扩散模型架构，可生成多组不同的符合约束的交互动作，满足内容创作的多样性需求
- 代码完全开源并提供预训练权重，用户可直接使用也可基于自身需求进行二次开发与微调
不足
- 运行需要深度学习GPU环境，普通消费级显卡生成速度较慢，无GPU的设备难以正常运行
- 目前支持的交互场景以日常生活动作为主，复杂工业场景、特殊运动场景的生成效果稳定性不足
- 没有可视化操作界面，所有操作需要通过命令行执行，对非技术类用户的使用门槛较高
- 生成的动作序列需要搭配额外的3D工具导出到常用的动画制作软件中，没有直接的格式转换功能
能帮你做的 8 件事
- 01文本驱动生成
- 02初始状态约束
- 03路径点引导生成
- 04接触约束保障
- 05交互动作生成场景的常用方案
- 063D动画工具场景的常用方案
- 07计算机图形学研究者(做交互动作生成相关实验)的日常效率工具
- 08先用免费额度验证需求再决定付费
更新历史
- CHOIS 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
使用CHOIS需要具备什么基础环境？
使用CHOIS首先需要配置深度学习运行环境，硬件方面推荐搭载至少8GB显存的NVIDIA显卡，CPU版本也可运行但生成速度会非常慢。软件方面需要安装Python 3.8及以上版本，以及PyTorch、NumPy、Trimesh等相关依赖库，具体的依赖列表可以参考项目文档中的requirements文件。同时如果需要可视化生成的动作效果，还需要安装对应的3D可视化库，或是将生成结果导出到Blender、Maya等3D软件中查看。如果只是想要体验项目效果，也可以查看项目页面提供的在线示例，无需本地部署环境。
CHOIS支持生成哪些类型的交互动作？
目前CHOIS的预训练模型主要基于日常生活动作数据集训练，支持的交互动作包括抓取、放置、搬运、使用日常物品等常见行为，比如拿起杯子喝水、拉开抽屉取物品、坐在椅子上使用笔记本电脑、搬动箱子放到货架上等。对于更复杂的交互动作，比如工业场景下的设备操作、体育动作、特殊工种的作业动作，目前预训练模型的生成效果可能不佳，用户可以收集对应场景的数据集，在原有模型基础上进行微调，以适配特定的动作生成需求。
生成的动作可以导出到其他3D软件中使用吗？
CHOIS生成的动作序列会以标准的姿态参数格式输出，包括人体关节的旋转角度、位置信息，以及物体的位置、朝向信息，用户可以根据需求编写转换脚本，将这些参数转换为FBX、BVH等常用的3D动画格式，即可导入到Blender、Maya、Unity、Unreal Engine等常用的3D制作或游戏开发软件中使用。项目文档中也提供了基础的格式转换示例代码，用户可以参考示例进行调整，适配自身使用的软件格式要求。
如何调整生成动作的约束强度？
用户在运行生成脚本时，可以通过修改配置文件中的对应参数来调整不同约束的权重，比如路径点匹配权重越高，生成的物体运动轨迹就会越贴近设置的路径点，但是动作的多样性会有所降低；接触约束权重越高，手物接触与地面支撑的合理性就越好，但可能会出现动作不够自然的情况。用户可以根据自身的需求调整不同参数的数值，多次生成测试，找到最适合当前场景的参数组合，项目文档中也提供了不同参数的效果对比参考，帮助用户快速调整到合适的参数。
可以使用自有数据集训练CHOIS模型吗？
可以，项目提供了完整的训练代码与数据处理脚本，用户只需要将自有数据集整理为项目要求的格式，包括交互文本描述、人体动作序列、物体运动序列、接触标注等信息，运行对应的训练脚本即可在预训练模型的基础上进行微调，或是从零开始训练全新的模型。对于数据量较小的垂直场景，推荐使用微调的方式，既可以保留原有模型的动作合理性，又能适配新的场景需求，训练过程中也可以调整损失函数的权重，适配自有数据集的特点。
CHOIS生成的动作有没有版权限制？
CHOIS项目本身采用开源协议发布，代码的使用需要遵守对应的开源协议要求，而使用预训练模型生成的动作序列，版权归属生成用户所有，用户可以自由使用这些生成内容，包括用于商业项目。不过需要注意的是，如果用户使用的训练数据集存在版权限制，那么基于该数据集微调后生成的内容也需要遵守对应数据集的版权要求，建议用户在使用自有数据训练前确认数据的版权归属，避免后续出现版权纠纷。
开始使用 CHOIS
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。
