Le interfacce utente in Mixed Reality (MR) offrono nuove modalità di interazione, ma la loro integrazione nello spazio reale introduce criticità legate a visibilità, interferenza con il compito e sicurezza. Le soluzioni attuali per il posizionamento degli elementi virtuali si basano spesso su regole statiche, senza considerare in modo esplicito il contesto visivo e l’attenzione dell’utente. Questa tesi propone UiVLA, un proof-of-concept basato su un Vision–Language Model (VLM), nello specifico Qwen2.5-VL, esteso in una pipeline vision–language–action per l’adattamento contestuale di interfacce MR. Il sistema è in grado di comprendere il contesto semantico della scena osservata al fine di produrre decisioni operative sulla UI.