本文提出了一种新方法，将动作识别集成到自主机器人系统中，重点解决目标遮挡问题。通过预训练和KMeans聚类填补缺失的骨架数据，显著提升了自监督模型的性能。同时，引入Occluded Partial Spatio-Temporal Learning (OPSTL)框架，利用高质量骨架数据进行优化。该方法在NTURGB+D数据集上验证有效，展示了在无监督骨架动作识别中的优越性。

本文介绍了一种新的三支路人体步态识别框架（TriGait），融合骨架和轮廓数据特征，准确率明显优于现有技术方法。

该研究提出了一种基于视觉的传感器放置方法，通过实时2D姿势估计派生的骨架数据来确定最佳传感器位置，改进了数据匿名化，支持多模态分类方法，显著推进了人体活动识别领域。