OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools
OpenMobile-2：构建可扩展环境与应用原生工具的通用移动智能体
🧭 移动智能体环境与工具混合训练
Nanjing University · SenseTime · The University of Hong Kong · Xi'an Jiaotong University · National University of Singapore
开源移动智能体OpenMobile-2，提供110+应用环境、12K SFT轨迹与2K可验证RL任务，支持GUI与原生工具混合使用
📌 工作参考价值
- 借鉴「GUI + app-native tool」混合模式：在电商 Agent 中，把搜索、加购、下单等关键操作封装为结构化工具，与页面 GUI 操作交替使用，可降低对视觉解析的依赖，提高动作准确率和可执行性；同时保留 GUI 兜底应对未封装的长尾页面。
- 用可验证任务 + 自动奖励扩展 RL 训练：借鉴其 2K+ 可执行任务、自动 reward 的设计，在推荐/客服 Agent 训练中构造「完成订单/加入购物车/点击商品」等可自动判定的任务，低成本获取大规模 RL 数据。
- 构建跨 App 工作流仿真环境：在电商场景中，模拟搜索、详情、购物车、支付等多 App 跳转与重置，用于离线评测和训练 Agent，避免在真实 App 上试错；其 MobileGym++ 的 reset/verification 机制可直接迁移。
- 关注长时程商业任务评测：MobileGym++ Bench 支持 GUI-only 与 hybrid 共享任务套件，可用于对比不同交互范式的效果，帮助选型工具化 vs 纯视觉方案。
动机：现有移动 Agent 训练依赖闭源环境与数据，难以复现和扩展；GUI 操作易出错，需要更可靠的交互方式。
方法：构建 MobileGym++，含 35 个商业风格仿真 App 与 110+ App 的 Android 模拟器环境；整理 12K 条 SFT 轨迹和 2K+ 可验证 RL 任务（自动 reward）；引入混合 GUI 与原生产工具调用，在 50+ App 上封装 300+ 工具；提出 MobileGym++ Bench 支持 GUI-only 和 hybrid 评测。
结果：OpenMobile-2 在 AndroidWorld 达 79.9，MobileWorld 50.4，SPA-Bench 从 31.9 提升到 59.6，接近前沿水平。