OpenMobile-2、オープンなスマホ操作AIを公開

背景

スマートフォンを操作するAIエージェントは、画面を見てタップや入力を行い、アプリ上のタスクを自動で実行する技術です。高性能なモデルは独自開発のものが中心で、オープンな手法は訓練環境の多様性が不足していました。

OpenMobile-2の研究チームは、データを大量に処理するだけではエージェントは向上せず、できるだけ多様なアプリで訓練することが性能を高めると示しました。そのために、110以上のアプリを含むオープンな訓練環境を構築しています。このうち35個は、人気アプリを再現したレプリカです。

結果と影響

実際のAndroid端末での評価では、OpenMobile-2のモデルはオープンなエージェントの中で最高スコアを記録したと著者らは述べています。独自モデルに匹敵する水準をオープンな手法で実現できることを示しており、スマホ操作エージェントの研究や開発を進める事業者や開発者にとって、訓練環境設計の参考材料となります。