本研究提出URECA数据集，解决了现有区域级描述方法在多粒度生成独特标题的问题，利用改进的多模态大语言模型生成语义丰富的区域描述。

本研究提出了一种基于检索增强生成（RAG）的手势生成方法RAG-Gesture，旨在解决现有神经系统在生成语义丰富手势方面的不足。该方法结合可解释的语言知识和示例运动库，实现自然且富有语义的手势生成，推动手势合成领域的发展。