نقترح نهجًا لتقدير وضعية الإنسان ثلاثية الأبعاد بوحدات عالمية حقيقية من صورة واحدة ملونة بتقنية RGBD ونظهر أن هذا النهج يتفوق على أداء نماذج تقدير الوضعية ثلاثية الأبعاد من الصور المونوكولورية باللون وكذلك تقدير الوضعية حصريًا من العمق. يستند نهجنا إلى كاشفات نقاط الإنسان القوية للصور الملونة ويضمن استخدام العمق لرفع التقدير إلى ثلاثة أبعاد. نجمع بين النظام وإطار تعلمنا من التوضيح لتعليم روبوت الخدمة دون الحاجة إلى علامات. تُظهر التجارب في الإعدادات الحقيقية أن نهجنا يمكن روبوت PR2 من تقليد أفعال التلاعب التي يتم ملاحظتها من قبل مدرب بشري.