UI-Oceanus：利用综合环境动力学缩放 GUI智能体

扩展通才 GUI智能体 受到昂贵的人类演示的数据可扩展性瓶颈和综合教师监督的“蒸馏 天花板”的阻碍。为了超越这些限制，我们提出了 UI-Oceanus，这个框架将学习重点从模仿高级轨迹转移到通过 真值 环境反馈掌握交互物理。通过对自我监督目标的系统研究，我们发现前向动力学（定义为未来界面状态的生成预测）是可扩展性的主要驱动力，并且显着超过逆向推理。 UI-Oceanus 利用这种洞察力，将由系统执行直接验证的低成本自主探索转换为高密度生成监督，以构建强大的内部世界模型。对一系列模型的实验评估证明了我们方法的决定性优势：在合成动力学上使用 Continual 预训练 (CPT) 的模型优于非 CPT 基线，在离线基准上平均成功率提高了 7%，这在现实世界在线导航中提高了 16.8%。此外，我们观察到导航性能随着合成数据量的增加而变化。这些结果证实，前向预测建模中的基础代理为可扩展的 GUI 自动化提供了一条卓越的途径，具有强大的跨域适应性和组合泛化能力。