推定動作の環境物体，地面との接地を保証するために，SDFベースの損失関数を提案した．また，各タイムステップにおいてサンプルする姿勢の分布を，機械学習モデルによって近似する手法を提案し，従来法と比べより柔軟な分布を学習できた．

より複雑な地形や手を壁につくなどの接地が多い動画において推定精度を向上させた．

実応用では，物理シミュレータ上で段差などの周囲環境を再現しなければならないと考えられる．また，non-differentiableな物理シミュレータを用いており，学習はかなりの時間を要するとも考えられる． 近年のCVPRの制約に反し，codeはunavailableである．