على عكس معظم الطرق السابقة لتصنيف التفاعل البشري-الكائن التي تركز على تعلُّم ميزات بشرية-كائنية أفضل، نقترح نهجًا جديدًا ومكملًا يُسمى تعلُّم استفسارات الفئة. ترتبط هذه الاستفسارات صراحةً بفئات التفاعل، وتُحوَّل إلى تمثيلات فئة محددة للصورة من خلال مُفكِّك تحويلي (transformer decoder)، وتُدرَّس من خلال مهمة تصنيف إضافية على مستوى الصورة. تُلهم هذه الفكرة من منهجية تصنيف صور متعددة العلامات السابقة، ولكنها تُطبَّق لأول مرة على مهمة التصنيف الصعبة لتفاعل الإنسان مع الكائن. يتميز هذا النهج ببساطته وعموميته وفعاليته، وقد تم التحقق من أداؤه على ثلاث قواعد بيانات أساسية لتفاعل الإنسان مع الكائن، حيث حقق نتائج رائدة جديدة على بحثين منهما.