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
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Grounding DINO通过跨模态融合模块将语言特征与视觉特征深度对齐，可根据任意文本描述定位图像中对应目标67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/29318API
curl https://kongchang.com/api/v1/knowledge/claims/29318MCP
get_claim(id=29318)