本研究提出了一种新颖的框架，结合视觉-语言模型和关键点姿态估计网络，解决了无标记姿态估计方法在机器人部分可见情况下的失败问题。该方法在公共机器人数据集和自收集的部分视图数据集上进行评估，显示出其在真实操作场景中的有效性和广泛适用性。