本研究提出了一种新方法来理解人工智能中的复杂视觉对象结构。通过LTRON中的Break-and-Make问题，开发的代理能够在互动中生成视觉说明书，提升乐高组装的学习效率。研究还创建了新数据集，展示了代理在学习和重建复杂组装方面的潜力。