本文介绍了一种将符号知识与神经网络相结合的方法，用于基于上下文的人体运动预测。该方法在离线数据集上取得了更好的性能，并开发了一个面向机器人的软件包neuROSym，用于在线运行、可视化和评估运动预测模型。评估结果表明，使用神经符号架构能够普遍改善性能。

HOIMotion是一种利用过去的人体姿势和视角3D物体边界框信息进行人体运动预测的方法。通过编码器-残差图卷积网络和多层感知器从姿势和物体特征中提取特征，将姿势和物体特征融合成新颖的姿势-物体图，并使用残差解码器图卷积网络预测未来的人体运动。HOIMotion在关节位置误差平均值方面显著改进，预测姿势更精确和逼真。视角3D物体边界框对人体运动预测具有重要信息内容，HOIMotion方法有效。