Este artículo aborda el problema de la conexión a tierra de las GUI, que vincula los comandos de lenguaje natural con ubicaciones precisas en las interfaces gráficas de usuario (GUI). Los enfoques existentes basados en el aprendizaje por refuerzo utilizan recompensas binarias que tratan los elementos como aciertos/errores, generando señales dispersas que ignoran la naturaleza continua de las interacciones espaciales. En este artículo, proponemos un marco de recompensa basado en principios, denominado Recompensas de Conexión a Tierra Gaussiana de la GUI (GUI-G$^2$), que modela los elementos de la GUI como distribuciones gaussianas continuas en el plano de la interfaz, basándonos en la observación de que el comportamiento humano de clic forma una distribución gaussiana centrada en los elementos objetivo. GUI-G$^2$ integra dos mecanismos sinérgicos: la recompensa puntual gaussiana, que modela la localización precisa mediante una distribución exponencialmente decreciente centrada en el punto central del elemento, y la recompensa de cobertura, que evalúa la alineación espacial midiendo la superposición entre la distribución gaussiana predicha y la región objetivo. Para gestionar diferentes tamaños de elementos, desarrollamos un mecanismo de distribución adaptativo que ajusta la distribución de la recompensa en función de su dimensionalidad. Este marco transforma la base de la GUI de una clasificación binaria dispersa a una optimización continua densa, donde las distribuciones gaussianas generan señales de gradiente ricas que guían al modelo hacia posiciones de interacción óptimas. Experimentos exhaustivos con las pruebas de referencia de ScreenSpot, ScreenSpot-v2 y ScreenSpot-Pro demuestran que GUI-G$^2$ supera significativamente al método de vanguardia UI-TARS-72B, logrando la mayor mejora del 24,7 % en ScreenSpot-Pro. Nuestro análisis demuestra que el modelado continuo proporciona una robustez superior a los cambios de interfaz y una generalización mejorada a diseños no vistos, abriendo un nuevo paradigma para el razonamiento espacial en tareas de interacción con GUI.
