MobiAgent: Un Marco Sistemático para Agentes Móviles Personalizables

MobiAgent: A Systematic Framework for Customizable Mobile Agents

August 30, 2025

Autores: Cheng Zhang, Erhu Feng, Xi Zhao, Yisheng Zhao, Wangbo Gong, Jiahui Sun, Dong Du, Zhichao Hua, Yubin Xia, Haibo Chen

cs.AI

Resumen

Con el rápido avance de los Modelos de Visión-Lenguaje (VLMs, por sus siglas en inglés), los agentes móviles basados en interfaces gráficas de usuario (GUI) han surgido como una dirección clave en el desarrollo de sistemas móviles inteligentes. Sin embargo, los modelos de agentes existentes continúan enfrentando desafíos significativos en la ejecución de tareas del mundo real, particularmente en términos de precisión y eficiencia. Para abordar estas limitaciones, proponemos MobiAgent, un sistema integral de agentes móviles que consta de tres componentes principales: los modelos de agentes de la serie MobiMind, el marco de aceleración AgentRR y el conjunto de evaluación comparativa MobiFlow. Además, reconociendo que las capacidades de los agentes móviles actuales aún están limitadas por la disponibilidad de datos de alta calidad, hemos desarrollado una canalización ágil de recopilación de datos asistida por inteligencia artificial que reduce significativamente el costo de la anotación manual. En comparación con los modelos de lenguaje de propósito general (LLMs) y los modelos especializados de agentes GUI, MobiAgent logra un rendimiento de vanguardia en escenarios móviles del mundo real.

English

With the rapid advancement of Vision-Language Models (VLMs), GUI-based mobile agents have emerged as a key development direction for intelligent mobile systems. However, existing agent models continue to face significant challenges in real-world task execution, particularly in terms of accuracy and efficiency. To address these limitations, we propose MobiAgent, a comprehensive mobile agent system comprising three core components: the MobiMind-series agent models, the AgentRR acceleration framework, and the MobiFlow benchmarking suite. Furthermore, recognizing that the capabilities of current mobile agents are still limited by the availability of high-quality data, we have developed an AI-assisted agile data collection pipeline that significantly reduces the cost of manual annotation. Compared to both general-purpose LLMs and specialized GUI agent models, MobiAgent achieves state-of-the-art performance in real-world mobile scenarios.