多源毫米波（mmWave）观测能够提供跨感知任务可复用的人体表示，但稀疏检测和多路径效应导致观测不稳定，现有点云预训练方法难以直接适用。\
我们提出 PT³，一种原型引导的自监督预训练框架。框架将空间区域内的局部状态表示为共享原型的稀疏组合，并通过自回归预测学习其随时间的演化。为进一步抑制雷达噪声，加入观测一致性约束，使得在不同视角或噪声扰动下的表示保持一致。\
在多个来源的未标注序列上进行预训练后，冻结的编码器即可直接迁移到下游任务，包括动作分类、稠密点云生成、关节姿态估计以及未来运动预测，且这些任务的数据集均未参与预训练。实验表明，PT³ 在所有任务上均优于现有预训练基线，并在多数情况下达到或超过专用任务模型的水平。\
点评：PT³ 通过原型稀疏化和时间自回归，有效提升了毫米波点云的表征稳健性，为跨任务迁移提供了强大且通用的特征编码。