論文の概要: OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools

• arxiv url: http://arxiv.org/abs/2610.14157v1
• Date: Fri, 09 Oct 2026 17:26:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:55:23.398837
• Title: OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools
• Title（参考訳）: OpenMobile-2: スケーラブルな環境とApp-NativeツールによるVersatile Mobile Agentの構築
• Abstract要約: OpenMobile-2は、完全にオープンなトレーニング環境とレシピを備えた、ほぼ最前線のモバイルエージェントである。 私たちはMobileGym++を構築し、35のリアルで機能的にリッチな商用スタイルのアプリと、アプリ間の検証を行います。 MobileGym++ Benchは、共有タスクスイート上で、GUIのみとハイブリッドGUIツールの評価の両方をサポートする。
• 参考スコア（独自算出の注目度）: 100.80547560457778
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce OpenMobile-2, a near-frontier mobile agent with fully open training environments and recipes. We make three key advances: (1) Diverse environments with simulated commercial apps: We build MobileGym++, featuring 35 realistic, functionally rich commercial-style apps with cross-app workflows, while preserving full controllability for reset and verification. Together with newly configured apps in Android emulators, this yields a diverse playground spanning over 110 apps. (2) Open training data at scale: Building on this foundation, we curate nearly 12K mobile interaction trajectories for supervised fine-tuning and the largest open collection of verifiable RL training data for mobile agents, comprising over 2K executable tasks with automatic rewards. (3) Hybrid GUI and app-native tool use: We explore an experimental mobile-use setting where apps expose selected functionalities as app-native tools alongside their GUIs, allowing agents to interleave GUI actions and tool calls within a task. We implement this setting in MobileGym++ with over 300 carefully scoped tools across 50+ apps. Additionally, we introduce MobileGym++ Bench for complex, long-horizon commercial mobile scenarios, supporting both GUI-only and hybrid GUI-tool evaluation on a shared task suite. OpenMobile-2 performs competitively across established benchmarks, including AndroidWorld (79.9) and MobileWorld (50.4), while showing promising transfer to real-device mobile use, nearly doubling SPA-Bench performance from 31.9 to 59.6. All resources are available at https://os-copilot.github.io/OpenMobile2-Home/.
• Abstract（参考訳）: オープンなトレーニング環境とレシピを備えた,最前線に近いモバイルエージェントであるOpenMobile-2を紹介する。 1) シミュレーションされた商用アプリを備えた異種環境 MobileGym++を構築し、35のリアルで機能的にリッチな商用アプリとクロスアプリワークフローを備え、リセットと検証のための完全なコントロール性を保持しています。 Androidエミュレータで新たに設定されたアプリと合わせて、110以上のアプリにまたがる多様なプレイグラウンドが得られる。 2) 大規模なオープントレーニングデータ: この基盤に基づいて, 教師付き微調整のための12K近いモバイルインタラクショントラジェクトリと, 自動報酬付き2K以上の実行可能タスクからなるモバイルエージェントのための検証可能なRLトレーニングデータの最大オープンコレクションをキュレートする。 (3) ハイブリッドGUIとアプリネイティブツールの使用: アプリがGUIと一緒にアプリネイティブツールとして選択された機能を公開し、エージェントがタスク内でGUIアクションやツール呼び出しをインターリーブする実験的なモバイル利用環境を探る。 私たちはこの設定をMobileGym++で実装し、50以上のアプリに300以上の注意深くスコープされたツールを使っています。 さらに,共有タスクスイート上でGUIのみおよびハイブリッドGUIツール評価をサポートする,複雑な長期商用モバイルシナリオに対してMobileGym++ Benchを導入する。 OpenMobile-2は、AndroidWorld (79.9) やMobileWorld (50.4) など、既存のベンチマークと競合して動作する一方で、実デバイスでのモバイル利用に期待できる移行を示し、SPA-Benchのパフォーマンスは31.9から59.6にほぼ倍増している。 すべてのリソースはhttps://os-copilot.github.io/OpenMobile2-Home/.comで入手できる。

関連論文リスト

• Qwen-UI-Agent Technical Report: Toward Next-Generation Real-World Centric Foundation GUI Agents [27.09949595397669]
  Qwen-UI-Agentは、モバイル、コンピュータ利用、Web、DeepSearch環境にまたがる現実世界のファンデーションGUIエージェントである。 統一されたアクション空間はGUI操作とCLIの実行をインターリーブし、単一のモデルターンでバッチアクションを生成する。 オンラインRLは100回を超える軌道のトレーニングをサポートし、1万以上の環境がロールアウトを加速している。
  論文  参考訳（メタデータ） (2026-07-30T13:58:41Z)
• PhoneBuddy: Training Open Models for Agentic Phone Use [104.23243994660936]
  PhoneBuddyは、エージェント電話用のトレーニングレシピとオープンモデルラインである。 実際のGUI使用構造からモックアプリを再構築する、実アプリケーション環境とモックアプリ環境であるPhoneWorldを組み合わせる。 PhoneBuddyはまず、両方の環境で収集されたトラジェクトリから、共有された教師付き微調整ステージを構築し、その後、実アプリケーションRLと混合RLを比較した。
  論文  参考訳（メタデータ） (2026-06-22T08:57:54Z)
• PhoneWorld: Scaling Phone-Use Agent Environments [101.288508963127]
  PhoneWorldは、実際のGUIトラジェクトリとスクリーンショットをコントロール可能な電話環境に変換する再利用可能なパイプラインである。 読み取り専用アプリコンテンツとミュータブルステートによって、実行可能なモックAndroidアプリを構築する。 16のドメインに34のアプリがあり、検索、ブラウジング、ショッピング、予約、メディア、ソーシャルインタラクションなどの一般的なモバイル行動にまたがっている。
  論文  参考訳（メタデータ） (2026-05-28T07:14:15Z)
• Mobile-Agent-v3.5: Multi-platform Fundamental GUI Agents [56.72789202127874]
  この記事では、最新のネイティブGUIエージェントモデルであるGUI-Owl-1.5を紹介する。 クラウドとエッジのコラボレーションとリアルタイムのインタラクションを実現するために、さまざまなプラットフォーム(デスクトップ、モバイル、ブラウザなど)をサポートしている。 オープンソースモデル上で20以上のGUIベンチマークで最先端の結果を得る。
  論文  参考訳（メタデータ） (2026-02-15T01:52:19Z)
• MobileWorld: Benchmarking Autonomous Mobile Agents in Agent-User Interactive and MCP-Augmented Environments [19.665566262516275]
  AndroidWorldは、再現可能な環境と決定論的評価のために、主要なベンチマークとして登場した。 MobileWorldは、201タスクを通じて現実世界の使用を反映するように設計された、はるかに難しいベンチマークである。
  論文  参考訳（メタデータ） (2025-12-22T14:31:28Z)
• Mobile-Agent-v3: Fundamental Agents for GUI Automation [59.775510710011325]
  本稿では,オープンソースエンド・ツー・エンド・モデル間の最先端性能を実現する基礎的なGUIエージェントモデルを提案する。 汎用GUIエージェントフレームワークであるMobile-Agent-v3を提案し,AndroidWorldでは73.3,OSWorldでは37.7に向上した。
  論文  参考訳（メタデータ） (2025-08-21T00:39:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。