本研究提出了一种基于双向长短期记忆（BiLSTM）神经网络的运动识别方法，解决了现有方法在真实环境中的鲁棒性和通用性问题。模型结合关节角度和坐标数据，在不同用户和环境下的运动分类准确率超过99%。

本研究提出了多模态基础模型LSM，用于解决可穿戴传感器数据分析的挑战。该模型基于超过16.5万人数据，显示出在数据处理和运动识别任务中的高效能力。

该研究提出了一种新颖的双不变局部轨迹形状描述符（BILTS），具有更高的鲁棒性，可用于运动识别和泛化。