Bài báo này đề cập đến vấn đề tổng hợp các tay cầm robot đa ngón tay đa dạng và không chắc chắn dựa trên các quan sát cục bộ. Các mô hình sinh sản hiện tại gặp khó khăn trong việc mô hình hóa phân phối tay cầm phức tạp của bàn tay lành nghề và có xu hướng tạo ra các tay cầm không đáng tin cậy hoặc quá bảo thủ do không thể tính đến sự bất định hình dạng vốn có trong các đám mây điểm cục bộ. Trong bài báo này, chúng tôi đề xuất FFHFlow, một khuôn khổ biến phân dựa trên luồng. FFHFlow tạo ra các tay cầm đa ngón tay đa dạng và mạnh mẽ, đồng thời định lượng rõ ràng sự bất định về nhận thức trong các đám mây điểm cục bộ. Nó khắc phục những hạn chế của sự sụp đổ chế độ của VAE có điều kiện và phân phối tiên nghiệm cố định bằng cách học một đa tạp tay cầm phân cấp sử dụng mô hình biến tiềm ẩn sâu dựa trên luồng được điều chỉnh. Tận dụng khả năng đảo ngược luồng và khả năng xảy ra chính xác, chúng tôi xác định sự bất định hình dạng từ các quan sát cục bộ và xác định các cấu trúc đối tượng mới, cho phép tổng hợp tay cầm có nhận thức về rủi ro. Để nâng cao hơn nữa độ tin cậy, chúng tôi tích hợp một ước lượng tay cầm phân biệt với khả năng xảy ra của luồng để phát triển một chiến lược xếp hạng có nhận thức về sự bất định, ưu tiên các tay cầm mạnh mẽ hơn là sự mơ hồ về hình dạng. Các thử nghiệm mở rộng trong mô phỏng và môi trường thực tế chứng minh rằng FFHFlow vượt trội hơn các mô hình cơ sở hiện đại (bao gồm cả mô hình khuếch tán) về độ đa dạng và tỷ lệ thành công, đồng thời đạt được hiệu quả lấy mẫu trong thời gian chạy. Hơn nữa, lấy mẫu dựa trên độ đa dạng giúp giảm thiểu va chạm, chứng minh giá trị thực tế của nó trong môi trường đông đúc và hạn chế.
