vision-grounding

텍스트 기반의 요소 탐색이 실패할 경우 스크린샷을 찍어 이미지 분석을 통해 클릭할 좌표를 계산하는 기술입니다. Canvas나 복잡한 Shadow DOM처럼 일반적인 DOM 분석이 어려운 환경에서 유용하게 사용됩니다.