Manual2Skill：利用视觉-语言模型学习阅读手册并掌握家具组装的机器人技能

本研究解决了机器人在理解抽象指令和执行复杂组装任务方面的挑战，通过提出一个新的框架Manual2Skill，利用视觉-语言模型提取指令图像中的结构化信息。研究结果表明，该方法在高效精确地执行实际家具组装任务方面具有显著效果，推动了机器人在复杂操作任务中的应用潜力。