MobiAgent: Um Framework Sistemático para Agentes Móveis Personalizáveis

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

Resumo

Com o rápido avanço dos Modelos de Visão-Linguagem (VLMs), os agentes móveis baseados em GUI emergiram como uma direção-chave de desenvolvimento para sistemas móveis inteligentes. No entanto, os modelos de agentes existentes continuam enfrentando desafios significativos na execução de tarefas do mundo real, especialmente em termos de precisão e eficiência. Para abordar essas limitações, propomos o MobiAgent, um sistema abrangente de agentes móveis composto por três componentes principais: os modelos de agentes da série MobiMind, o framework de aceleração AgentRR e o conjunto de benchmarks MobiFlow. Além disso, reconhecendo que as capacidades dos agentes móveis atuais ainda são limitadas pela disponibilidade de dados de alta qualidade, desenvolvemos um pipeline ágil de coleta de dados assistido por IA que reduz significativamente o custo da anotação manual. Em comparação com LLMs de propósito geral e modelos especializados de agentes GUI, o MobiAgent alcança desempenho de ponta em cenários móveis do 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.