توقّع الحركات البشرية المتنوعة بناءً على سلسلة من الأوضاع التاريخية حظي باهتمام متزايد. رغم التقدم السريع، فإن الأعمال الموجودة تلتقط الطبيعة المتعددة الأوضاع للحركات البشرية بشكل أساسي من خلال العينات القائمة على الاحتمال، حيث تم رصد الانهيار النمطي على نطاق واسع. في هذا البحث، نقترح طريقة بسيطة ومعتبرة تفصل بين الرموز العشوائية والعناصر القابلة للتعلم والمحددة التي نطلق عليها اسم نقاط الثبات لتعزيز دقة العينة ومرونتها. يتم تقسيم نقاط الثبات إلى نقاط ثبات فضائية ونقاط ثبات زمنية، مما يوفر سيطرة جذابة وقابلة للتفسير على الاختلاف الفضائي-الزماني. مبدئياً، يمكن تطبيق عينات نقاط الثبات الفضائية-الزمانية (STARS) على مختلف متنبئات الحركة. هنا نقترح شبكة تفاعلية معززة بالرسم البياني الزماني-المكاني (IE-STGCN) تقوم بتشفير المعرفة السابقة عن الحركات البشرية (مثل التوضع المكاني)، وندمج نقاط الثبات فيها. تظهر التجارب الواسعة أن طريقتنا تتفوق على أحدث التقنيات في كل من التنبؤ العشوائي والمتقنه، مما يشير إليها كإطار شامل لنمذجة الحركات البشرية. كودنا ونماذجنا المدربة مسبقًا متاحة على https://github.com/Sirui-Xu/STARS.