Project Icon

AutoDroid

基于大型语言模型的智能手机任务自动化系统

AutoDroid是一个结合大型语言模型和DroidBot框架的智能手机任务自动化系统。该项目能够理解并执行复杂的手机操作,并提供DroidTask数据集作为研究资源。尽管在任务完成判断和性能稳定性方面存在一些限制,AutoDroid仍代表了智能手机自动化领域的重要进展。

AutoDroid

关于

本仓库包含了论文《赋予大语言模型使用智能手机进行智能任务自动化的能力》的系统代码。论文链接:Empowering LLM to use Smartphone for Intelligent Task Automation

要获取DroidTask数据集,您可以从Google云盘下载,并参考关于数据集部分

AutoDroid是基于DroidBot框架实现的。

如何安装

确保您已安装:

  1. Python
  2. Java
  3. Android SDK
  4. 将Android SDK中的platform_tools目录添加到PATH环境变量

然后克隆此仓库并使用pip安装:

git clone git@github.com:MobileLLM/AutoDroid.git
cd AutoDroid/
pip install -e .

如何使用

  1. 准备工作:

    • 如果您想使用我们论文中的应用测试AutoDroid,请从Google云盘下载apk.zip文件夹并解压,然后准备一台通过adb连接到您主机的设备或模拟器。
    • 如果您想使用其他应用测试AutoDroid,请将.apk文件下载到您的主机,并准备一台通过adb连接到您主机的设备或模拟器。
    • 准备一个GPT API密钥,并在tools.py中将os.environ['GPT_URL']替换为您自己的API密钥。
  2. 开始:

    droidbot -a <path/to/.apk> -o <output/of/app> -task <your task> -keep_env -keep_app
    

    您可以尝试./scripts文件夹中的脚本,DroidTask中的任务列表可在此表格中查看。

关于数据集

数据集的组织结构:

    DroidTask
    ├── applauncher
    │   ├── states
    │   │   ├── Screenshot 1.png
    │   │   ├── Screenshot 2.png
    │   │   ├── ...
    │   │   ├── View hierarchy 1.json
    │   │   ├── View hierarchy 2.json
    │   │   └── ...
    │   ├── task1.yaml
    │   ├── task2.yaml
    │   ├── ...
    │   └── utg.yaml
    ├── calendar
    │   ├── states
    │   │   ├── Screenshot 1.png
    │   │   ├── Screenshot 2.png
    │   │   ├── ...
    │   │   ├── View hierarchy 1.json
    │   │   ├── View hierarchy 2.json
    │   │   └── ...
    │   ├── task1.yaml
    │   ├── task2.yaml
    │   ├── ...
    │   └── utg.yaml
  • DroidTask:数据集的顶层,包含DroidTask中每个应用的文件夹,如applaunchercalendar

  • 应用文件夹:记录了droidbot解析的所有截图和原始视图层次结构:

    • States文件夹:此文件夹包含使用过程中捕获的应用所有状态。一个状态包括视觉表示(截图)和结构数据(视图层次结构)。

      • 截图:从应用界面捕获的图像,按顺序命名(如Screenshot 1.pngScreenshot 2.png等)。

      • 视图层次结构:详细描述每个捕获状态的应用UI结构的JSON文件(如View hierarchy 1.jsonView hierarchy 2.json等)。

    • 任务文件:名为task1.yamltask2.yaml等的YAML文件,包含应用内特定任务的基准数据。

    • UTG文件utg.yaml文件,记录用户随机探索应用的数据。

  • 任务与状态的映射:如果您想在方法中使用截图:

    • 每个taski.yaml文件(i为任务编号)通过state_str标识符引用状态。
    • 此state_str可与view hierarchy k.json文件中的state_str匹配,将任务与相应的应用状态关联。
    • view hierarchy k.json文件的名称(k为状态编号)也用于定位相应的截图,因为截图和视图层次结构文件共享相同的命名约定。

已知限制

  • 当前实现在确定任务完成方面表现不佳。
  • 由于大语言模型的随机性、应用GUI的风格/质量和任务描述等因素,任务自动化性能可能不稳定。
  • 需要通过adb连接到主机,而不是独立的设备解决方案。

欢迎贡献!

注意

  • 我们非常感谢Simple Mobile Tools提供的优秀开源应用。
  • 请注意,AutoDroid目前仅用于研究目的。它可能执行意外操作(如修改您的账户/设置)。请自行承担使用风险。

祝使用愉快!

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号