本研究提出了一种新颖的并行多尺度增量预测框架（PMS），旨在提高人机协作中人类运动预测的准确性。通过多时空尺度建模，PMS显著提升了16.3%-64.2%的预测准确性，增强了运动的连续性和生物力学一致性。

傅里叶神经算子（FNO）研究进展综述，涵盖图像分类、混合精度训练、多分辨率主动学习、分层算子求解多尺度偏微分方程、可逆FNO正逆问题、U-FNO多孔介质多相流、变尺寸图像分类、对抗鲁棒性、DAFNO不规则几何建模及VNO非等间距数据等方向。

该文综述Transformer在多变量时间序列预测中的进展，涵盖不变量嵌入、MTPNet、MTST、TFT、PatchTST、Meta-Transformer、TLNets、DeepTime、HiMTM等模型，强调多尺度建模、通道独立与自监督学习，并总结数据集、评估指标及最佳实践。