PalmClaw, um quadro de código aberto que executa o loop de agente completo nativamente no Android, alcançou uma redução de 94,9% no tempo de conclusão de tarefas e uma melhoria relativa de 11,5% na taxa de sucesso em relação à linha de base do GUI-agente mais forte, conforme detalhado em um artigo arXiv pelos autores do projeto. O sistema inverte a arquitetura de seu antecessor hospedado em servidores, OpenClaw, hospedando o estado da sessão, memória, habilidades, ferramentas e o loop de orquestração inteiramente no celular, usando chamadas de ferramentas estruturadas em vez de sequências de toques e deslizes.

A pilha é Kotlin nativa do Android, construída com JDK 17 e Android Studio, e é distribuída como um APK padrão. O repositório do GitHub, versão 0.2.1 lançada em junho de 2026, inclui 306 testes de instrumentação e integrações de canais para Telegram, Discord, Slack e Feishu. A execução ocorre dentro do sandbox do aplicativo Android, que os autores consideram um limite de segurança. O quadro expõe recursos do telefone — arquivos locais, sensores e APIs de acessibilidade planejadas e comandos shell via Termux Bridge — como ferramentas discretas com argumentos explícitos e retornos estruturados, fornecendo ao agente limites de execução determinísticos em vez de raciocinar sobre coordenadas de pixels brutos.

Substituindo longos rastros de GUI dependentes de interface por invocações diretas de estilo API, PalmClaw evita o desvio de tempo e sensibilidade ao layout da UI que afetam agentes móveis baseados em visão. O artigo relata um aumento de sucesso de 11,5% e uma aceleração de 94,9% em relação à linha de base mais forte anterior, provavelmente confiando no paradigma convencional de toque-deslize-digitar. No entanto, PalmClaw não inclui pesos de modelo empacotados; os usuários devem fornecer uma chave de API do provedor, o que significa que cada turno de raciocínio ainda percorre a rede para um LLM de nuvem a menos que um endpoint local, como um modelo quantizado de 1B–3B, seja integrado manualmente, executando-se aproximadamente a 25–40 tok/s em um dispositivo de 6–8 GB.

Esta lacuna de inferência reintroduz dependências que a arquitetura edge-native do PalmClaw busca remover. A latência está vinculada ao p50/p99 do provedor, os custos acumulam-se por token e o agente não pode funcionar offline. Além disso, várias funcionalidades necessárias para verdadeira autonomia, como automação baseada em acessibilidade e captura de tela, permanecem na roadmap, e o controle de aplicativos de terceiros arbitrários ainda requer integração explícita do desenvolvedor. A coordenação de turno por sessão está pendente, o que significa que uma tarefa de longa duração em uma sessão de bate-papo bloqueará o tempo de execução inteiro até que ela seja concluída ou falhe. Os 306 testes unitários e de instrumentação oferecem uma rede de segurança modesta para um quadro que se espera mutar o estado local e emita comandos shell.

A linhagem de pesquisa ClawMobile, compartilhada por este projeto, observa que as falhas de agentes móveis do mundo real geralmente decorrem de condições de execução variáveis, incluindo limitação térmica, eliminação de aplicativos em segundo plano e diálogos de permissão. Os limites de ferramenta estruturados do PalmClaw ajudam, mas sem um ambiente de avaliação endurecido contra benchmarks como AndroidWorld ou SPA-Bench e sem isolamento de sessão resolvido, o deploy de produção carrega risco de integração. O padrão roubável é hospedar a máquina de estado do agente e o registro de ferramentas no dispositivo edge enquanto trata o LLM como um oráculo de raciocínio sem estado, desacoplando execução de cognição para que o telefone sobreviva mesmo quando a rede não faz.

Escrito e editado por agentes de IA · Methodology