LearnAct는 바로 그 상상을 연구 수준에서 현실로 끌어내린 프로젝트입니다. 기존의 모바일 GUI 자동화 접근법들이 대부분 대규모 데이터셋에 기반한 사전학습(pre-training) 또는 파인튜닝(fine-tuning)에 초점을 맞춘 것과는 달리, LearnAct는 소수의 인간 시연(demonstration)만으로도 새로운 앱과 작업에 빠르게 적응하는 에이전트를 지향합니다.

이 논문이 흥미로운 이유는 단순히 "AI가 모바일 앱을 자동화한다"는 일반적인 진보 설명 수준을 넘어서, 시연 기반 학습(demonstration-based learning) 안에서 사용자의 실제 행동 예시에 반응할 수 있도록 설계되었다는 점입니다. 예를 들어, 사용자가 한 번만 앱에서 특정 작업을 수행하는 모습을 보여주면, 에이전트가 그 과정을 학습해 유사한 새로운 상황에서도 스스로 작업을 수행합니다. 이제 진짜로 '내 손을 거치지 않고도 스마트폰이 내 의도를 알아서 실행하는' 시대가 성큼 다가온 거죠.

✅ 어떻게 작동하나요? – LearnAct의 핵심 아이디어

LearnAct가 도입한 가장 눈에 띄는 개념은 바로 "시연 기반 다중 에이전트 프레임워크(Demonstration-based Multi-Agent Framework)"입니다. 즉, 인간이 실제로 모바일 앱에서 작업을 수행하는 과정을 시연(demonstration)으로 기록하고, 이를 바탕으로 에이전트가 필요한 지식을 추출·검색·실행하는 구조입니다.
 

이러한 프레임워크는 실제로 DemoParser(시연 파서), KnowSeeker(지식 검색기), ActExecutor(행동 실행기)라는 세 개의 전문화된 에이전트로 구현되며, 이를 유연하고 적응력 높은 모바일 자동화로 연결하는 게 LearnAct의 강점입니다.

이 모델은 총 세 단계의 에이전트 협력 과정을 거쳐 만들어졌습니다:

• DemoParser – 인간 시연에서 핵심 작업 절차와 행동 패턴을 자동으로 추출합니다.
• KnowSeeker – 새로운 과제가 주어졌을 때, 기존 시연 중에서 가장 유사한 지식(작업 흐름/행동)을 검색합니다.
• ActExecutor – 검색된 시연 지식을 바탕으로 실제 모바일 앱에서 작업을 자동으로 실행합니다.

✅ 주요 기술적 특징과 혁신점

LearnAct의 핵심 기술적 특징은 크게 세 가지 측면에서 살펴볼 수 있습니다.

1. 시연 기반 지식 추출(Demonstration Knowledge Extraction)
이는 인간이 실제로 앱을 사용하는 과정을 기록하고, DemoParser가 그 과정을 분석해 "어떤 순서로, 어떤 UI 요소를, 어떤 방식으로 조작했는지"를 자동으로 추출하는 방식입니다. 기존의 스크립트 기반 자동화와 달리, 실제 사용자의 행동 맥락을 반영할 수 있어 다양한 앱/상황에 더 잘 적응합니다. 특히 행동 시퀀스와 UI 상태를 세밀하게 파싱하는 구조로, 복잡한 작업도 손쉽게 모델에 학습시킬 수 있습니다.

2. 유사 작업 검색 및 재사용(Knowledge Retrieval & Reuse)
KnowSeeker의 핵심은 "새로운 작업이 주어졌을 때, 기존 시연 중 어떤 것이 가장 비슷한지"를 빠르게 찾아내는 메커니즘입니다. 이를 위해 작업 유사도, UI 유사도, 행동 유사도 등 다양한 기준으로 시연을 벡터화하고, 효율적으로 검색합니다. 이 덕분에 이전에 본 적 없는 앱이나 작업도, 유사한 시연이 있다면 빠르게 적응할 수 있습니다. 실제로 LearnGUI 벤치마크에서 그 효과가 입증되었습니다.

3. 시연 강화 실행(Demonstration-Enhanced Execution)
마지막으로 주목할 만한 점은 ActExecutor가 시연에서 추출한 지식을 실제 앱 자동화에 적용하는 방식입니다. 단순히 따라하는 것이 아니라, 상황에 따라 행동을 변형하거나, 여러 시연을 조합해 더 복잡한 작업도 수행할 수 있습니다. 이는 특히 UI가 조금씩 다르거나, 작업 조건이 바뀌는 상황에서 강점을 보입니다.

✅ 실험 결과와 성능 분석

LearnAct의 성능은 다음과 같은 실험을 통해 검증되었습니다.

1. 오프라인 평가(Offline Evaluation)에 대한 성능
LearnGUI 벤치마크의 오프라인 평가 환경에서, Gemini-1.5-Pro 모델의 정확도가 단일 시연만 추가해도 19.3%에서 51.7%로 크게 향상되었습니다. 이는 기존 LLM 기반 에이전트 대비 2배 이상의 성능 개선입니다. 특히, 미리 본 적 없는 앱/작업에서도 시연만 있으면 빠르게 적응하는 점이 인상적입니다.

2. 온라인 평가(Online Evaluation)에서의 결과
실제 모바일 기기에서의 온라인 테스트에서는, UI-TARS-7B-SFT 모델의 작업 성공률이 18.1%에서 32.8%로 증가했습니다. 기존 방식과 비교해, 시연 기반 학습이 실제 환경에서도 효과적임을 보여줍니다.

3. 실제 응용 시나리오에서의 평가
실제 사용자가 다양한 앱에서 복잡한 작업(예: 앱 내 회원가입, 설정 변경, 정보 입력 등)을 시연하면, 에이전트가 이를 학습해 유사한 새로운 작업도 자동으로 처리할 수 있음을 확인했습니다. 실용적 관점에서, "한 번만 보여주면 바로 따라하는" 자동화가 현실화된 셈입니다. 다만, UI 변화가 극단적으로 크거나, 시연 데이터가 너무 부족할 때는 여전히 한계가 있습니다.

이러한 실험 결과들은 LearnAct가 모바일 GUI 자동화의 범용성·적응성 문제를 효과적으로 해결할 수 있음을 보여줍니다. 특히 시연만으로도 빠른 적응이라는 성과는 향후 개인화 서비스, 앱 테스트 자동화, 접근성 지원 등 다양한 분야에 중요한 시사점을 제공합니다.

✅ 성능은 어떨까요?

LearnAct는 LearnGUI 오프라인 벤치마크와 온라인 벤치마크에서 각각 51.7%, 32.8%라는 점수를 기록했습니다. 이는 기존 LLM 기반 에이전트(예: Gemini-1.5-Pro, UI-TARS-7B-SFT) 수준을 뛰어넘는 성능입니다.

실제로 앱 내 회원가입, 설정 변경, 정보 입력 등 실제 사용 시나리오, 특히 한 번만 시연해도 바로 따라하는 적응형 자동화에서도 꽤 자연스러운 반응을 보입니다.
물론 아직 "극단적으로 새로운 UI" 작업에서 약간의 미흡함이 존재하긴 하지만, 현재 수준만으로도 다양한 서비스에 활용 가능성이 큽니다.

✅ 어디에 쓸 수 있을까요?

LearnAct는 단지 새로운 모델이 아니라, "시연 기반 적응형 모바일 자동화"라는 흥미로운 방향성을 제시합니다.
앞으로는 더 많은 개인화와 확장성, 예를 들면 특정 사용자의 습관 반영, 앱 업데이트에도 자동 적응까지 인식하게 될 가능성이 큽니다.

• 앱 테스트 자동화: QA 엔지니어나 개발자가 직접 시연만 하면, 다양한 앱 버전에서 반복 테스트를 자동화할 수 있습니다.
• 접근성 지원: 고령자나 장애인을 위한 맞춤형 모바일 자동화(예: 복잡한 앱 사용을 한 번만 보여주면 AI가 대신 반복 수행).
• 개인화된 업무 자동화: 사용자의 업무 패턴(예: 출퇴근 체크, 보고서 제출 등)을 시연만으로 자동화하여 생산성 향상.

이러한 미래가 LearnAct로 인해 조금 더 가까워졌습니다.

✅ 개발자가 지금 할 수 있는 일은?

LearnAct에 입문하려면, 기본적인 Python 프로그래밍과 모바일 UI 구조 이해에 대한 이해가 필요합니다.
다행히도 프로젝트 공식 페이지에 예제 코드와 데이터셋이 잘 정리되어 있어, 실제 시연 데이터로 모델을 학습시키고 테스트해볼 수 있습니다.

실무에 적용하고 싶다면?
실제 앱에서의 시연 데이터를 확보하고, 다양한 업무/테스트 영역을 테스트하면서 모델을 점진적으로 커스터마이징하는 것이 핵심입니다. 또한, UI 변화 대응 로직이나 시연 데이터 품질 관리도 병행되어야 합니다.

✅ 마치며

LearnAct는 단순한 기술적 진보를 넘어, 모바일 자동화의 패러다임 전환을 향한 중요한 이정표입니다. 이 기술이 제시하는 가능성은 스마트폰 자동화, 접근성, 개인화 서비스 등 산업 전반의 미래를 재정의할 잠재력을 가지고 있습니다.

우리는 지금 AI 기반 모바일 자동화의 중요한 변곡점에 서 있으며, LearnAct는 그 여정의 핵심 동력이 될 것입니다. 당신이 이 혁신적인 기술을 활용하여 미래를 선도하는 개발자가 되어보는 건 어떨까요?

▶ 논문 원문 보러가기

✅ 같이 보면 좋은 참고 자료들

Immersive Teleoperation Framework for Locomanipulation Tasks
- 논문 설명: 최근 로봇 이동 조작 분야의 발전은 가상 현실(VR)을 활용하여 원격 조작 시스템의 정밀성과 몰입감을 향상시켰으며, 이는 2D 카메라 피드와 조이스틱 제어에 의존하는 전통적인 방법보다 훨씬 뛰어난 성능을 보이고 있습니다.
- 저자: Takuya Boehringer, Jonathan Embley-Riches, Karim Hammoud, Valerio Modugno, Dimitrios Kanoulas
- 발행일: 2025-04-21
- PDF: 링크

Bayesian Sensing for Time-Varying Channels in ISAC Systems
- 논문 설명: 미래의 모바일 네트워크는 고속 통신 시나리오에서 통합 감지 및 통신을 지원할 것으로 예상됩니다.
- 저자: Xueyang Wang, Kai Wu, J. Andrew Zhang, Shiqi Gong, Chengwen Xing
- 발행일: 2025-04-21
- PDF: 링크

Energy-Efficient Irregular RIS-aided UAV-Assisted Optimization: A Deep Reinforcement Learning Approach
- 논문 설명: 재구성 가능한 지능형 표면(RIS)은 무인 항공기(UAV) 지원 통신을 향상시켜 커버리지를 확장하고, 효율성을 개선하며, 적응형 빔포밍을 가능하게 합니다.
- 저자: Mahmoud M. Salim, Khaled M. Rabie, Ali H. Muqaibel
- 발행일: 2025-04-21
- PDF: 링크