面向第一人称操作的视觉轨迹预测的空间提示方法

Yifan Li, Xinyu Zhou, Yunhao Ge, Yu Kong

2026

摘要

本文首次形式化定义了空间提示视觉轨迹预测（SP-VTP）问题，通过初始空间提示（如边界框或点）指定任务目标，从第一人称视频流中预测未来末端执行器轨迹。提出了SPOT模型，结合任务编码器、观测编码器和轨迹生成器，在跨场景轨迹预测上优于非提示或单源提示基线。

spatial promptingvisual trajectory predictionegocentric manipulationobject-target groundingend-effector motion forecasting

MANIPULATION

📊 2 引用

Yusen Li, Ziwei Wang, Xiangye Zhu 等 12 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 1 引用

Shaoqing Qin, Lida Zhu, Yanpeng Hao 等 10 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Bo Li, Yuanbo Zhao, Huijie Xiao 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Hao Li, Yuhui Yu, Rui Fu 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026