跳到正文
arXiv · 机器人与计算机视觉· Zhihao Nan, Sifan Zhou, Yiming Cheng, Jinkai Zheng, Zheng Zhu, Si Shi, Ming Li, Fei Yu·· 14 天前AI 评分68

MKD2World:一种用于 Web 智能体的类型化空间 Markdown 世界模型

MKD2World: A Typed Spatial MarkDown World Model For Web Agents

AI 导读

该论文提出 Typed Spatial Markdown(TSM)作为桌面网页界面的文本状态表示,能够联合编码 UI 布局、语义及显式位置。作者构建了 AtomBlock-WebUI 数据集以训练截图到 TSM 的渲染器,并在此基础上开发了 MKD2World 世界模型。

来源:arXiv · 机器人与计算机视觉 · arxiv.org