本文研究短期动作预测问题，即在动作发生前一秒预测其内容。我们提出利用高层次意图信息来预判未来将发生的动作。为此，我们在模型中引入了一个额外的目标预测分支，并设计了一种一致性损失函数，以促使预测的动作与视频中所追求的高层目标保持一致。实验结果表明，所提出方法具有显著有效性，并在两个大规模数据集——Assembly101和COIN上取得了当前最优的性能表现。