본 논문은 단일 모션 프롬프트로부터 사람이 안내하는 자동화된 로봇 제어를 가능하게 하는 기하학적 불변성을 갖는 원샷 가우시안 프로세스(GeoGP) 학습 프레임워크인 Prompt2Auto를 제안한다. 기존의 시연 학습 방법들은 대규모 데이터셋을 필요로 하고 좌표 변환에 대한 일반화에 어려움을 겪는다는 한계를 극복하기 위해, 본 논문에서는 병진, 회전, 스케일링에 대한 불변성을 강화하고 다단계 예측을 지원하는 좌표 변환 기반 데이터셋 구성 전략을 제시한다. GeoGP는 사용자 모션 프롬프트의 변화에 강건하며 다중 기술 자율성을 지원한다. 설계된 사용자 그래픽 인터페이스를 이용한 수치 시뮬레이션과 두 가지 실제 로봇 실험을 통해 제안된 방법의 효과성, 작업 간 일반화 성능, 그리고 시연 부담의 상당한 감소를 검증한다.
