Purewhiter/mobilegym

解决的问题

MobileGym 解决了真实设备和模拟器环境在训练和评估移动 GUI 代理时的局限性。它克服了三大主要‘壁垒’：

1. 不可读的状态：与真实设备中可访问树常隐藏关键数据（如账户余额或聊天记录）不同，MobileGym 将整个环境以结构化 JSON 快照形式提供，支持决定性验证。
2. 不可写的状态：通过允许用户在数百个并行实例中重置、注入和克隆状态，消除了重置或克隆应用状态（通常隐藏在加密数据库或服务器后端中）的困难。
3. 不可逆的副作用：提供一个安全的沙箱环境，使代理可以执行高风险操作（如转账）而不会产生现实后果，从而支持可扩展的在线强化学习（RL）。

工作原理

MobileGym 是一个浏览器托管的移动模拟平台。它采用三层架构，包括基准层（Python/Playwright 用于任务模板和裁判）、应用层（具有声明式导航的模拟应用）和操作系统运行时层。

关键机制包括：

• 可编程状态：将环境视为单一 JSON blob，可捕获、配置和恢复。
• 确定性裁判：不依赖随机的 VLM 裁判，而是使用程序化检查函数直接读取结构化状态，提供毫秒级判决。
• 并行回放：可在单台服务器上运行最多 256 个并行实例，占用轻量级资源（每个实例约 400 MB 内存）。
• 仿真到现实迁移：平台设计注重行为保真度，使在仿真中训练的代理能够将学习成果有效迁移到真实硬件上。

适用人群

专注于在线 RL、可信评估以及与账户绑定或后端依赖型应用交互的移动 GUI 代理的研究人员和开发者。

主要亮点

• 28 个模拟应用：包含 WeChat、Alipay、Bilibili、Spotify 等热门应用的研究替代品，以及系统应用。
• 416 个任务模板：提供广泛可参数化的任务，用于测试和训练。
• 高可扩展性：单台服务器支持 256 个并行实例，冷启动速度快（约 3 秒）。
• 可验证结果：通过状态差分检测，可发现真实设备流水线无法察觉的意外副作用。
• AnswerSheet 协议：代理填写结构化表单，防止链式思维泄露导致的指标游戏化。
• 仿真到现实验证：在从仿真迁移到真实设备时，训练成果保留率达 95.1%。