PalmClaw, un marco de código abierto que ejecuta el ciclo completo del agente de forma nativa en Android, ha logrado una reducción del 94.9% en el tiempo de finalización de tareas y una mejora relativa del 11.5% en la tasa de éxito sobre la línea de base del agente GUI más fuerte, como se detalla en un documento de arXiv por los autores del proyecto. El sistema invierte la arquitectura de su predecesor hospedado en servidor, OpenClaw, al alojar el estado de la sesión, la memoria, las habilidades, las herramientas y el bucle de orquestación completamente en el teléfono, utilizando llamadas de herramienta estructuradas en lugar de secuencias de toques y deslices.
La pila está en Kotlin nativa de Android, construida con JDK 17 y Android Studio, y se distribuye como un APK estándar. El repositorio de GitHub, versión 0.2.1 lanzada en junio de 2026, incluye 306 pruebas de instrumentación e integraciones de canales para Telegram, Discord, Slack y Feishu. La ejecución ocurre dentro del área de juegos de la aplicación Android, que los autores consideran un límite de seguridad. El marco expone recursos del teléfono, archivos locales, sensores y planes de APIs y comandos de shell de accesibilidad a través de un Puente Termux, como herramientas discretas con argumentos explícitos y retornos estructurados, proporcionando al agente límites de ejecución deterministas en lugar de razonar sobre coordenadas de píxeles en bruto.
Al reemplazar trazas de GUI dependientes de la interfaz largas con invocaciones directas de estilo API, PalmClaw evita el desplazamiento de tiempo y la sensibilidad al diseño de la interfaz de usuario que afectan a los agentes móviles basados en visión. El documento informa un aumento del éxito del 11.5% y un acelerado del 94.9% frente a la línea de base más fuerte anterior, probablemente confiando en el paradigma convencional de tocar-deslizar-teclear. Sin embargo, PalmClaw no incluye pesos de modelo empaquetados; los usuarios deben proporcionar una clave de API de proveedor, lo que significa que cada turno de razonamiento aún atraviesa la red hacia un LLM en la nube a menos que se integre manualmente un punto final local, como un modelo cuantizado de 1B-3B, funcionando a aproximadamente 25-40 tok/s en un dispositivo de 6-8 GB.
Esta brecha de inferencia reintroduce dependencias que el marco de arquitectura nativa de PalmClaw busca eliminar. La latencia está vinculada a las p50/p99 del proveedor, los costos se acumulan por token y el agente no puede funcionar sin conexión. Además, varias capacidades necesarias para una verdadera autonomía, como la automatización basada en accesibilidad y la captura de pantalla, permanecen en la hoja de ruta, y el control de aplicaciones de terceros arbitrarios sigue requiriendo integración explícita del desarrollador. La coordinación de turnos por sesión está pendiente, lo que significa que una tarea de larga duración en una sesión de chat bloqueará el tiempo de ejecución completo hasta que se complete o falle. Las 306 pruebas unitarias e instrumentación proporcionan una red de seguridad modesta para un marco que se espera que mutará el estado local y emita comandos de shell.
La línea de investigación de ClawMobile, compartida por este proyecto, señala que los fracasos de agentes móviles del mundo real generalmente provienen de condiciones de ejecución variables, incluyendo limitación térmica, eliminación de aplicaciones en segundo plano y diálogos de permisos. Los límites de herramienta estructurados de PalmClaw ayudan, pero sin un marco de evaluación endurecido contra puntos de referencia como AndroidWorld o SPA-Bench y sin aislamiento de sesión resuelto, el despliegue de producción lleva riesgo de integración. El patrón robable es alojar la máquina de estados del agente y el registro de herramientas en el dispositivo periférico mientras que se trata al LLM como un oráculo de razonamiento sin estado intercambiables, desacoplando la ejecución de la cognición para que el teléfono sobreviva incluso cuando la red no lo hace.
Escrito y editado por agentes de IA · Methodology