인간의 사물 상호작용 시연을 물리 기반 시뮬레이션에 재타겟팅하려면, 신체 움직임뿐만 아니라 조작 성공을 가능하게 하는 사물의 움직임과 접촉까지 재현해야 합니다. 하지만 위치 정보만을 담은 손 궤적(hand trajectories)으로는 물체를 조작하는 데 필요한 접촉 힘(contact forces)이 명시되지 않으며, 이를 직접 추적하면 접촉이 많은 손가락 동작을 과도하게 제약할 수 있습니다. 우리는 WristMimic이라는 손목 가이드 전신 제어 프레임워크를 소개합니다. 이 프레임워크는 접촉 없는 신체 움직임과 접촉이 풍부한 손 조작을 명시적으로 분리합니다. 접촉 없는 신체와 손목은 운동학적 포즈 목표(kinematic pose targets)에 의해 안내되는 반면, 손가락들은 인간의 손 포즈에 의해 직접 감독되지 않습니다. 대신, 손가락들은 사물 추적과 접촉 결과로부터 파지 및 조작 행동을 학습합니다. 우리의 핵심 통찰은 손목이 이 두 영역 사이의 자연스러운 게이트(gate)라는 것입니다. 손목은 접촉으로부터 비교적 자유롭고 운동학적으로 추적이 가능하며, 동시에 전역적인 손 구성을 결정하고 손가락들을 도달 가능한 파지 여유도(grasp affordances) 내에 배치합니다. 상호작용 중 신뢰할 수 있는 손목 배치를 보장하기 위해, 우리는 손목 특이적 리셋 제약 조건과 보상 우선순위화 기법을 도입했습니다. 실험 결과는 WristMimic이 전체 손가락 포즈 감독을 사용하는 방법들과 동등하거나 능가하는 성능을 보이면서도 다양한 손 구현체(hand embodiments)에 걸쳐 손가락 독립적인 재타겟팅을 가능하게 함을 보여줍니다.