**MolmoMotion：基于语言指令的三维点轨迹预测**

_MolmoMotion: Forecasting Point Trajectories in 3D with Language Instruction_

> 本文提出目标条件化的三维点运动预测任务：给定短视觉历史、感兴趣物体上的3D查询点及目标语言描述，预测各点未来轨迹。作者构建了大规模数据集MolmoMotion-1M、基准PointMotionBench，并提出MolmoMotion模型，支持自回归坐标预测和基于流匹配的轨迹生成。该模型在基准测试上显著优于现有方法，其三维运动先验可迁移至机器人操作训练加速与泛化，并为生成模型提供运动引导以合成更逼真的视频。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.18558)