MobileGym

MobileGym官网

面向手机 GUI Agent 研究的可验证、高度并行的仿真平台

MobileGym：重塑移动端GUI智能体训练的仿真新范式

MobileGym是由中科院自动化所、北京大学以及香港中文大学团队联合研发的开源仿真平台，该平台旨在解决传统安卓模拟器与实体手机在AI代理训练中面临的状态获取困难、环境重置繁琐、业务操作风险高这三大顽疾。作为业内首个支撑主流App大规模在线强化学习（RL）与确定性量化评估的底层基础设施，它通过在浏览器端构建结构化状态沙箱，成功打破了以往研究对硬件资源的过度依赖，为大模型GUI Agent提供了一套从训练到落地迁移的完整技术闭环。

MobileGym的核心技术与架构优势

传统移动端智能体研究往往受限于模拟器的高昂算力开销，而MobileGym采用React与TypeScript技术栈，在浏览器内实现了安卓交互逻辑的深度复刻，将设备状态完全转化为可读、可写的JSON结构。其一，该平台显著降低了算力门槛，单实例内存占用仅为400MB，启动速度较传统模拟器提升了26倍，这意味着单台普通服务器即可支撑近百个并行训练实例。其二，平台内置了28款覆盖日常高频使用场景的仿真应用，并且具备极高的可扩展性，新增应用仅需数日即可接入，无需改动任何底层代码。其三，其特有的结构化沙箱环境，允许研究者对联系人数据、账户余额等底层信息进行毫秒级快照与回滚，从而彻底规避了真实业务中可能出现的资金损失或误操作风险。

MobileGym的标准化评测与迁移能力

针对行业内VLM视觉模型判分不稳、误判率偏高的问题，MobileGym引入了416套参数化任务模板，利用程序化判定逻辑替代截图识别，实现了零误差的确定性评估。拿GRPO等强化学习算法的训练来说，该平台能够提供高密度、无噪声的奖励反馈，大幅提升算法收敛效率。此外，研究团队通过Qwen3-VL-4B模型验证了其Sim-to-Real的迁移潜力，仿真训练后的模型在真实安卓设备上的任务成功率提升显著，迁移保留率高达95.1%，证明了该仿真环境习得的逻辑具有极强的跨设备通用性。

MobileGym的应用场景与受众群体

该平台为高校科研人员、大模型开发工程师以及自动化测试团队提供了全新的实验工具。科研工作者能够利用其标准化的任务集进行基线对比与算法验证，解决不同团队间测试环境不统一的难题。开发团队则可以通过该环境进行海量迭代训练，在无需大规模实体手机阵列的情况下，完成手机端AI助手的开发。测试研发人员亦可依托其状态快照功能，精准复现偶现的Bug并优化交互流程。对于教学实训而言，其轻量化的浏览器部署方式，让学生无需复杂的环境配置，即可深入理解GUI智能体与强化学习的底层运行机理。

MobileGym官方网站入口网址：

MobileGym官网：https://mobilegym.dev/

OpenI小编发现MobileGym网站非常受用户欢迎，请访问MobileGym官网网址入口试用。