Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ScreenExplorer: Training a Vision-Language Model for Diverse Exploration in Open GUI World

Created by
  • Haebom

저자

Runliang Niu, Jinglong Ji, Yi Chang, Qi Wang

개요

본 논문은 그래픽 사용자 인터페이스(GUI) 환경 내에서 인공 일반 지능(AGI)을 구축하는 데 대한 관심이 증가함에 따라, 대규모 언어 모델(LLM) 기반의 기존 GUI 에이전트들이 새로운 환경에 일반화하는 데 어려움을 겪고 수동으로 정리된 다양한 데이터셋에 크게 의존하는 문제점을 해결하기 위해 제시된 연구이다. 연구진은 실제, 동적이고 개방적인 GUI 환경에서 그룹 상대 정책 최적화(GRPO)를 통해 훈련된 VLM인 ScreenExplorer를 소개한다. ScreenExplorer는 에이전트가 탐색의 초기 단계를 극복하도록 돕는 세계 모델 기반 호기심 보상 함수를 도입하고, 경험 스트림을 증류하여 모델의 탐색 능력을 향상시킨다. 이 훈련 프레임워크는 개방형 GUI 환경에서 모델 탐색을 향상시켜, 정적 배포 모델에 비해 환경 적응력과 지속적인 탐색 능력이 향상된 모델을 보여준다. 이 연구는 복잡한 상호 작용 설정에서 자기 개선 능력을 가진 AGI 시스템을 향한 확장 가능한 경로를 제공한다.

시사점, 한계점

시사점:
실제 동적이고 개방적인 GUI 환경에서 효과적으로 작동하는 VLM 기반 AGI 에이전트 개발 가능성 제시.
세계 모델 기반 호기심 보상 함수와 경험 증류를 통한 효과적인 탐색 전략 제시.
정적 모델 대비 향상된 환경 적응력과 지속적인 탐색 능력을 보이는 모델 개발.
복잡한 상호 작용 환경에서 자기 개선 능력을 가진 AGI 시스템 개발을 위한 확장 가능한 경로 제시.
한계점:
ScreenExplorer의 성능 평가에 사용된 GUI 환경의 다양성과 일반성에 대한 추가적인 검증 필요.
세계 모델 기반 호기심 보상 함수의 설계 및 파라미터 조정에 대한 상세한 설명 부족.
다른 훈련 방법과의 비교 분석 부족.
실제 AGI 시스템으로의 확장성에 대한 추가적인 연구 필요.
👍