본 논문은 센서 신호가 컨텍스트, 움직임, 환경에 따라 변화하는 상황에서 인간 활동 인식을 위한 새로운 프레임워크를 제시한다. 이 프레임워크는 시간, 스케일, 센서 계층 구조에 따른 신호 변화를 포착하는 범주적 대칭 인식 학습을 기반으로 한다. 특징 표현 구조에 이러한 요소를 통합하여, 시간 이동, 진폭 드리프트, 장치 방향 변화와 같은 현실적인 왜곡에도 안정적인 모델을 구축한다. UCI 인간 활동 인식 벤치마크에서 이 프레임워크는 OOD (out-of-distribution) 정확도를 약 46% 포인트 향상시켰다.
