本文介绍了多种基于图卷积网络的步态识别方法，如反馈图卷积网络（FGCN）、GaitGraph和CAG，强调其在骨架动作识别中的优势和实验效果。同时，提出了新的时空转换网络和异步多流图卷积网络（AMS-GCN），以提高步态分析的准确性和实用性。

本文介绍了一种新颖的隐式局部表面表示模型，成功将机器人掌握经验迁移到新对象上，提升了空间精度和掌握准确性。研究还提出了基于关节的传感器和时空转换网络，增强了手物体交互的泛化能力，并在多个数据集上验证了其优越性。