시각 기반 상호작용
모델이 사용자 의도에 따라 반복적이고 단계적인 지시를 제공하며 사용자의 물리적 동작 변화에 따라 안내 내용을 갱신하는 멀티턴 폐쇄형 상호작용 태스크이다. VIABench에서는 보정된 시뮬레이션 비디오를 포함하여 대상 조작이나 위치 조정을 완료할 때까지의 연속 지시 능력을 평가한다.
