본 논문은 인간의 손이 부적절하거나 사용할 수 없는 상황에서 인간을 돕기 위한 인간형 로봇 손의 사용에 초점을 맞추고 있습니다. 기존의 능숙한 조작(dexterous grasping)과 달리, 사용자의 다양한 의도에 적응해야 하는 더욱 복잡한 과제인 '인간 보조 능숙한 조작'을 제시합니다. 이를 위해 손-물체 조건부 조작 원시(Grasping Gradient Field, GraspGF)와 이력 조건부 잔차 정책(history-conditional residual policy)으로 구성된 접근 방식을 제안합니다. GraspGF는 성공적인 조작 예제 집합으로부터 기울기를 추정하여 '어떻게' 조작할지를 학습하고, 잔차 정책은 궤적 이력을 기반으로 '언제' 그리고 어떤 속도로 조작 동작을 수행해야 하는지를 결정합니다. 실험 결과는 제안된 방법이 기준선보다 우수함을 보여주며, 실제 응용에서의 사용자 인식과 실용성을 강조합니다. 코드와 데모는 "https://sites.google.com/view/graspgf"에서 확인할 수 있습니다.