ロボットは私たちの生活にますます深く統合され、さまざまなタスクで私たちを支援しています。人間とロボットが効果的に協力するためには、ロボットが私たちの意図を理解し、行動を予測することが不可欠です。本論文では、協働ロボット向けの人間-物体相互作用（Human-Object Interaction: HOI）予測フレームワークを提案します。ビデオからHOIを検出および予測するための効率的かつ堅牢なトランスフォーマーベースのモデルを提案しており、この強化された予測能力により、ロボットは能動的に人間を支援でき、より効率的で直感的な協力を実現します。当社のモデルはVidHOIデータセットにおいてHOI検出と予測において最先端の結果を上回り、それぞれmAP（mean Average Precision）で1.76%と1.04%向上しています。また、処理速度は15.4倍速くなっています。実際のロボットでの実験結果を通じて当社アプローチの有効性を示しており、ロボットがHOIを予測できる能力がより良い人間-ロボット相互作用（Human-Robot Interaction: HRI）のために重要であることを証明しています。詳細情報はプロジェクトウェブページでご確認いただけます：https://evm7.github.io/HOI4ABOT_page/