V-Droid는 기존의 대규모 언어 모델(LLM)을 사용하여 각 단계의 행동을 직접 생성하는 모바일 에이전트와 달리, 후보 행동을 평가하는 검증자로 LLM을 활용하는 모바일 GUI 작업 자동화 에이전트입니다. 이를 위해 이산화된 행동 공간 구성과 사전 채우기 전용 워크플로우를 통한 검증 프로세스 가속화, 쌍방향 진행 선호도 학습을 통한 검증자 의사결정 능력 향상, 그리고 확장 가능한 인간-에이전트 공동 주석 방식을 통한 효율적인 대규모 데이터 수집이라는 포괄적인 프레임워크를 제시합니다. 여러 공개 모바일 작업 자동화 벤치마크에서 최첨단 작업 성공률을 달성하여 AndroidWorld에서 59.5%, AndroidLab에서 38.3%, MobileAgentBench에서 49%의 성공률을 기록하며 기존 에이전트보다 각각 9.5%, 2.1%, 9% 향상되었습니다. 또한, 단계당 0.7초의 낮은 지연 시간을 달성하여 실시간에 가까운 효과적인 의사결정 능력을 제공하는 최초의 모바일 에이전트가 되었습니다.
