文本读取、模板和对象检测有不同的工作
OCR 读取可见文本。模板匹配会查找与已保存参考的视觉相似性。对象检测器预测对象类别出现的位置。每个都可能有用，但可读标签不是动物身份，检测到的物体不一定是预期的任务目标。
有针对性的作物减少了不相关的屏幕内容。他们还定义了一个边界：在暴露的城市事件地图区域上训练的探测器不会自动适应每个屏幕、分辨率或界面排列。
识别动物和资源对象
VRA’s internal visual experiment covers deer and sheep alongside berries, ore, timber and material piles. Reviewed examples include different poses and lighting; complete capture runs and a separate farm are kept outside training for evaluation.
第一个模型工作建立了评估和本地执行管道，包括受控动物试验和离线资源检查。当前的开发扩大了识别范围，并在工作流程的动作边界内对其进行评估。
为什么移动的动物需要当前观察
金色的引导标记可以指示任务被引入的位置，而动物本身则走开。无限期地跟随旧标记可以将输入发送到空地。一个有用的感知系统必须在更新其位置的同时保留目标的身份。
多次观察和身体跟踪可以有所帮助，但模糊的目标、陈旧的框架和不确定的跟踪应该会限制行动。模型分数并不能保证正确性，定期识别检查也不能证明点击会成功。
培训和实时自动化是分开的
离线训练使用标记示例更改模型。实时推理使用固定模型来生成观察结果。仅运行农场当前不会重新训练 VRA 或授予模型新权限。
The customer-contribution plan is optional and separate from core automation. It requires explicit consent and release safeguards; current public pages are not an active request for private screenshots. A later experimental model-control direction must pass internal comparisons before release.
有用的视觉自动化结果应该证明什么
A strong demonstration shows the relevant starting state, current target, attempted action and visible result. Model export checks establish that two runtimes produce equivalent predictions; they do not establish perfect detection, fleet reliability or safe account use.
对于采集任务来说，正确的视觉盒只是第一步。工作流仍然必须遵守配置、处理现有活动、发送授权输入并观察预期效果。这就是 VRA 发布开发里程碑及其资格边界的原因。