fredajiang
fredajiang
您好！ 在执行learn.py的脚本中，使用第2种方式进行人工指导的方式学习，在执行adb命令的时候报错，相关报错的截图如下，看起来执行adb的截图操作是成功的，但是在执行adb拉取xml的过程中报错，请问需要调整和修改？ 我对这个项目挺感兴趣的：）
How to improve the execution speed of OCR, grounding-dino, and chatgpt-4o models to transition mobile-agent from laboratory research to engineering use? 1. I replaced the original grounding-dino model with a...
在使用mobile-agent进行手机操作的过程中，目前的流程是用户给出指令后，mobile-agent根据用户指令完成用户的操作。但是在实际的场景中，操作手机完成指令时仍需要人类协助来帮助正确的完成。想咨询一下，在mobile-agent项目中有没有什么思路来解决这个问题？ 场景：当我需要打车时，我给出了原始的出发地和目的地，mobile-agent根据指令帮我叫车。当存在多个相似的目的地，例如我的目的地是深圳莲花山公园（这时候会有多个候选项：深圳莲花山公园南门，深圳莲花山公园北门，深圳莲花山公园东停车场，深圳莲花山公园西停车场等等），这个时候需要人类来协助选择具体的目的地是哪个，而大语言模型选择的那个可能不是用户最后想要的。这种场景的案例挺多的。在这样的场景中，其实需要人类再次协助来帮助正确的完成。 我们尝试引入微软autogen这样的开源框架来重写mobile-agent，使之成为一个一个独立的agent来完成任务（微软autogen框架中有人机对话之类的agent），但是在引入autogen框架重写的过程中又会引入该框架其他的问题（各个agent之间的消息通信及状态控制没有能很好的管理等等）。 这个问题困扰了我很长一段时间，想咨询一下有没有什么好的解决办法或者思路？