arXiv · 机器人与计算机视觉· Pranjal Aggarwal, Sean Welleck·· 10 天前AI 评分54
计算机使用代理是具身通用主义者:通过屏幕渲染物理环境视图并利用键盘鼠标操作完成具身任务的框架研究
Computer-Use Agents Are Embodied Generalists
AI 导读
本文论证具身智能可转向类似通用模型的范式,核心是将具身任务构建为与数字软件的交互。作者开发了软件以在屏幕上渲染物理环境视图并提供控制接口,使计算机使用代理(CUA)能通过截图、点击等常规软件操作执行具身任务。
来源:arXiv · 机器人与计算机视觉 · arxiv.org