视觉中间表示

Action-Sketcher：通过视觉草图从推理到动作的机器人操作

Action-Sketcher: From Reasoning to Action via Visual Sketches for Robotic Manipulation

提出可渲染点、框、箭头和关系类型的视觉草图作为中间表示，将语言意图外化为场景几何，为视觉-语言-动作模型提供可验证的推理-动作桥梁，可复用于需要空间消歧的机器人操作任务。