惯性传感和计算机视觉的进步为在临床和自然环境中获得精准数据带来了新可能。然而在临床应用时需要仔细地将传感器与身体对齐，这减慢了数据收集过程。

随着无标记运动捕捉的发展，研究者们提出了一个新的深度学习模型，利用来自视觉、惯性传感器及其噪声数据来估计人体运动，在有噪声的数据下也能准确地执行，从而避免了对传感器到人体的仔细校准和大量摄像机的需要。并且提供了研究级精度的数据，有助于肌肉骨骼疾病的诊断、预后和治疗。