待验证60% 置信事实时间未知

Computer Use的核心技术是GUI Grounding，即模型需要精确定位屏幕上每个可交互元素的坐标，需要像素级的空间定位能力

2

来源数

60%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Kortix开源Agent Computer Use：Rust打造的AI计算机操控CLI工具

githubkortix-ai

涉及实体

GUI Groundingconcept

相关事实

待验证计算机使用能力依赖感知-规划-执行的Agent循环架构，核心挑战在于视觉接地（Visual Grounding）79% 相似待验证动作目标定位（grounding）指将自然语言指令映射到具体视觉元素坐标的能力，是计算机操作智能体的核心瓶颈之一75% 相似待验证密集定位（Dense Grounding）是视觉定位中最具挑战性的子任务之一。72% 相似待验证主流桌面自动化方案很大程度上依赖截图识别、鼠标移动和坐标定位，这类方式在界面变化、分辨率差异或复杂工作流时非常脆弱69% 相似待验证视觉 grounding 指模型将自然语言中的指代表达与图像中具体像素区域对应起来的过程。68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/29318

API

curl https://kongchang.com/api/v1/knowledge/claims/29318

MCP

get_claim(id=29318)