本文研究短期对象交互预测（STA），提出了多模态端到端变压器网络NAOGAT。该模型通过处理观察到的帧，预测下一个活跃对象及其未来动作，结合注意力机制和时空特征，在EGO4D数据集上显著提高了预测准确性。此外，研究引入了环境适应性模型和交互热点预测模块，增强了预测的可信度。