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：

Python
Java
Android SDK
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

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。
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applauncher和calendar。
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.png、Screenshot 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.json、View hierarchy 2.json等）。
- 任务文件：名为task1.yaml、task2.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。