أظهرت النماذج المُدمجة ذات المحور البصري الهرمية إمكانات قوية في التحكم بالروبوتات على مدى فترات زمنية طويلة. ومع ذلك، تفتقر الطرق الحالية إلى القدرة على الإدراك المكاني، مما يحد من فعاليتها في ربط الخطط البصرية بالتحكم القابل للتنفيذ في البيئات المعقدة. ولحل هذه المشكلة، نقترح "السياسة المكانية" (SP)، وهي إطار موحد للتحكم البصري-الحركي في مهام التلاعب بالروبوتات، يعتمد على نمذجة وتحليل مكانية صريحة. بشكل خاص، نصمم أولًا وحدة توليد فيديو مدمجة مُشَرَّطة مكانياً لتمكين التنبؤات الموجهة مكانيًا من خلال جدول خطة مكانية. ثم نقترح وحدة تنبؤ بالإجراءات القابلة للتنفيذ تعتمد على التزامن المكاني. وأخيرًا، نقترح سياسة تغذية راجعة للتفكير المكاني لتحسين جدول الخطة المكانية من خلال إعادة التخطيط المزدوج المراحل. أظهرت التجارب الواسعة أن SP تتفوق بشكل ملحوظ على أفضل النماذج الحالية، مع تحقيق متوسط تحسن بنسبة 33.0% مقارنة بأفضل نموذج قائم. وبمعدل نجاح متوسط بلغ 86.7% عبر 11 مهمة متنوعة، تُعزز SP بشكل كبير الجدوى العملية للنماذج المدمجة في تطبيقات التحكم بالروبوتات. يُحتفظ بالكود ونقطة الاستمرارية (checkpoints) على الرابط التالي: [https://...].