MobileDreamer：面向GUI智能体的生成式草图世界模型

arXiv 26.1 2026 59.4 method, application

TLDR

MobileDreamer提出生成式草图世界模型，预测动作后状态，提升移动GUI智能体长周期任务性能。

评分理由

Strengths include a novel textual sketch world model with order-invariant learning for spatial preservation and a rollout imagination strategy for action selection. Weaknesses are the domain specificity to GUI agents and lack of detailed efficiency analysis.

Read-first 评分解释

综合优先阅读分 59.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 48。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 42%

68.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估、实验

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：410。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

interactive world model

video world model

深度分析

创新点

文本草图世界模型，将数字图像转化为关键任务相关草图
序不变学习策略，保留GUI元素的空间信息
用于GUI智能体的展开想象策略，利用世界模型预测优化动作选择

方法

MobileDreamer提出一种基于世界模型的前瞻框架，包含文本草图世界模型和展开想象策略。世界模型学习将数字图像转化为任务相关草图，同时采用序不变学习方法保持空间感知能力。展开想象利用世界模型的预测指导智能体的动作选择过程。

关键结果

在Android World上，MobileDreamer取得了最先进的性能，任务成功率提升5.25%。世界模型评估证实文本草图建模能准确预测关键GUI元素。

资源

论文