可以自主驱动应用程序用户界面完成用户任务的自动化系统非常有益,尤其是当用户在情境或永久性受损时。先前的自动化系统不会产生可概括的模型,而基于AI的自动化代理仅在模拟,手工制作的应用程序或累积高计算成本方面可靠地工作。我们提出了UINAV,这是一种基于示范的培训自动化代理的方法,可填充移动设备,但可以实现高成功率,并以适度的示威数量。为了减少示范开销,Uinav使用了裁判模型,该模型会立即对用户进行立即反馈代理失败的任务,并自动培养人类的示范来增加培训数据中的分歧。我们的评估表明,只有10个示威活动可以达到70%的精度,并且通过足够的演示,它可以超过90%的精度。