研究者らは、外部サーバーやGUI自動化に依存するのではなく、モバイルデバイス上でネイティブに実行するように設計されたオープンソースのエージェントフレームワークであるPalmClawを導入しました。このシステムは、セッション、メモリ、スキル、ツールを端末上で直接管理し、構造化された結果を持つ明示的なツールとしてデバイスの機能を提供します。

  • PalmClawにより、エージェントは定義された実行境界を通じてモバイルハードウェアとアプリケーションに直接アクセスでき、タップやスワイプなどのGUIアクションの制限を回避できます。
  • このフレームワークはエージェントロジックとデバイス制御の明確な分離を提供し、スマートフォンでのより信頼性の高いタスク自動化を可能にします。
  • 実験結果は、最も強力なベースラインと比較して、タスク成功率で11.5%の相対的向上と、完了時間の94.9%の削減を示しています。

このアプローチは、各アクションに対する明示的な制御を維持しながらデバイスの機能への直接アクセスを提供することで、既存のモバイルエージェントの課題に対処し、効率的かつ安全なオンデバイス自動化を必要とするユーザーに適しています。