VIA：通过视觉界面让通用智能体直接控制机器人

论文提出 VIA（Visual Interface Agent）框架，把机器人控制重新表述为智能体任务，让现成智能体通过由可交互视觉组件构成的虚拟工作区直接驱动机械臂，用鼠标式工具探测像素并指挥虚拟末端执行器设定目标位姿。