本文介绍了一种多模态移动远程操作系统，结合视觉手部姿态回归网络和IMU臂部追踪方法，利用低成本深度摄像头进行人手观察。该系统通过图像转换生成机器人手部姿势的深度图像，实现手臂的控制。研究表明，该系统在复杂移动操作任务中表现出高效性和稳定性，成功率可达90%。此外，提出了多种方法以提高机器人在未知环境中的抓取能力和操控性能。