본 연구는 로봇이 단일 데모로부터 일반화하는 데 어려움을 겪는 문제를 해결하기 위해, 전이 가능하고 해석 가능한 공간 표현의 부재에 주목했다. TReF-6는 단일 궤적에서 단순화된 6DoF 작업 관련 프레임을 추론하는 방법을 제시한다. 이 방법은 궤적 기하학으로부터 영향점을 식별하여 지역 프레임의 원점을 정의하고, 이를 Dynamic Movement Primitive (DMP)의 매개변수화에 사용한다. 추론된 프레임은 비전-언어 모델을 통해 의미적으로 연결되고, Grounded-SAM을 통해 새로운 환경에서 위치를 파악하여 기능적으로 일관된 기술 일반화를 가능하게 한다. 시뮬레이션에서 TReF-6의 유효성을 검증하고 궤적 잡음에 대한 강건함을 입증했으며, 실제 조작 작업에 대한 엔드 투 엔드 파이프라인을 배포하여 다양한 객체 구성에서 작업 의도를 보존하는 원샷 모방 학습을 지원함을 보였다.
