AndroidReality

AndroidReality 从 MDP 的 state、transition、action 三轴整理现实手机界面的变化，并在 AndroidWorld 上注入可控扰动，补上干净 benchmark 没测到的部署条件。评测暴露明显稳健性缺口和四类反复错误，作者据此设计无需训练的 Test-Time Introspective Recovery，在干净与扰动设置都能缓解失败。摘要没有给出下降与恢复的绝对数字，但它把“界面偶尔不按预期”转成可复现实验变量，比只报告理想环境成功率更接近移动 agent 的真实可靠性。