本研究提出了一种无监督的物体中心预测模型，通过学习物体间的视觉动态进行未来预测，实验结果表明该模型在视觉质量和物理可靠性上优于现有技术。此外，研究还探讨了三维自我中心姿态估计、视频对象结构提取及动态预测等方法，均在多个数据集上取得了良好效果。