مع التطور المتسارع الأخير في الشبكات العصبية العميقة وقدرات مجموعات البيانات، تشهد مجال تمييز الحركات البشرية (HAR) نموًا سريعًا من حيث مجموعات البيانات المتاحة والأنماط العميقة. وعلى الرغم من ذلك، لا تزال هناك نقص في مجموعات بيانات مخصصة لتغطية مجال الروبوتات والتفاعل بين الإنسان والروبوت. ولحل هذه الفجوة، نُعدّ ونُقدّم مجموعة بيانات جديدة متعددة الزوايا. تحتوي مجموعة بيانات روبوت هاوس متعددة الزوايا (RHM) على أربع زوايا: الأمامية، الخلفية، السقفية (الشاملة)، وزاوية الروبوت. وتشمل 14 فئة، مع 6701 مقطع فيديو لكل زاوية، ما يُشكل إجماليًا 26804 مقطع فيديو لجميع الزوايا. وتتراوح طول مقاطع الفيديو بين 1 و5 ثوانٍ. ويتم مزامنة مقاطع الفيديو ذات الرقم نفسه والذات الفئة نفسها عبر الزوايا المختلفة. وفي الجزء الثاني من هذا البحث، نستعرض كيف تُمكّن التدفقات الواحدة من تمييز النشاط باستخدام النماذج الحديثة المتميزة في المجال. ثم نقيّم القدرة التمكينية لكل زاوية بناءً على نماذج نظرية المعلومات ومفهوم المعلومات التبادلية. بالإضافة إلى ذلك، نُقيّم أداء الزوايا المختلفة، مما يُمكّن من تحديد المزايا والعيوب الخاصة بكل زاوية فيما يتعلق بمحتواها المعلوماتي وأدائها في الاختبارات المعيارية. تؤدي نتائجنا إلى استنتاج أن تمييز النشاط المتعدد الزوايا والمتعدد التدفقات يمتلك إمكانات إضافية لتحسين نتائج تمييز النشاط. تُتاح مجموعة بيانات RHM عبر الرابط: {href{https://robothouse-dev.herts.ac.uk/datasets/RHM/HAR-1/}{روبوت هاوس}}.