Opportunistic Qualitative Planning in Stochastic Systems with Incomplete Preferences over Reachability Objectives
University of Florida（佛罗里达大学）
当不能同时满足所有约束时，偏好在确定要满足哪些目标/约束方面起着关键作用。在本文中，我们研究如何合成的偏好满足计划的随机系统，建模为MDP，给定一个（可能不完全）组合偏好模型的时间扩展的目标。我们首先引入新的语义来解释偏好的随机系统的无限播放。然后，我们引入了一个新的概念的改进，使两个前缀之间的比较无限发挥。在此基础上，我们定义了两个解决方案的概念，称为安全和积极改善（SPI）和安全和几乎肯定改善（SASI），执行改进的积极概率和概率分别为1。我们构建了一个称为改进MDP的模型，在该模型中，保证至少有一个改进的SPI和SASI策略的合成减少到计算MDP中的积极和几乎肯定获胜的策略。我们提出了一个算法来合成SPI和SASI策略，诱导多个顺序的改进。我们证明了所提出的方法使用机器人运动规划问题。
2022-10-04 cs.AI cs.GT cs.RO
Integrating Disambiguation and User Preferences into Large Language Models for Robot Motion Planning
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
本文提出一个基于LLMs的机器人运动规划框架，通过歧义分类器与GPT-4机制解决自然语言指令歧义并捕获用户偏好，最终利用线性时序逻辑生成运动规划，提升了系统可靠性与用户体验。
2024-04-22 cs.AI cs.RO cs.SY
An Incremental Inverse Reinforcement Learning Approach for Motion Planning with Separated Path and Velocity Preferences
Delft University of Technology（代尔夫特理工大学）；Honda Research Institute Europe（欧洲本田研究院）
本文提出增量式逆强化学习方法，从动觉示教中分离学习路径与速度奖励，并分两步规划轨迹，使 Franka 机械臂可经少量用户反馈适配个人运动偏好。
2023-04-25 cs.RO
Towards Personalized Explanation of Robot Path Planning via User Feedback
University of Virginia（弗吉尼亚大学）
先前的研究发现，解释机器人的决策和行动有助于提高系统的透明度，提高用户的理解，并实现有效的人机协作。在本文中，我们提出了一个系统，通过用户反馈生成个性化的机器人路径规划的解释。我们考虑机器人在建模为马尔可夫决策过程（MDP）的环境中导航，并开发一种算法来自动生成最佳MDP策略的个性化解释，基于用户对四个元素（即，目标、位置、特异性和语料库）。此外，我们设计的系统与用户互动，通过回答用户的进一步的问题，产生的解释。用户可以选择更新他们的偏好以查看不同的解释。该系统能够通过用户交互来检测和解决任何偏好冲突。在线用户研究的结果表明，生成的个性化解释提高用户满意度，而大多数用户喜欢系统的问答和冲突检测/解决的能力。
2021-03-05 cs.AI cs.RO
A bi-criteria path planning algorithm for robotics applications
Cornell University（康奈尔大学）；United Technologies Research Center（联合技术研究中心）；Stevens Institute of Technology（史蒂文斯理工学院）
本文提出一种高效的双标准路径规划算法，通过扩展状态空间来跟踪剩余预算，以满足二次成本约束。该算法在概率道路图上测试，用于最小化旅行距离同时控制总体威胁暴露。
2017-01-08 cs.RO cs.SY eess.SY
NeurRAFT: Robot Motion Planning via Anchor-Level Flow Matching with Clearance-Aware Preference Tuning
Texas A&M University（德克萨斯农工大学）
NeurRAFT是基于锚点级流匹配与避障距离感知偏好调优的生成式机器人运动规划框架，可显著提升杂乱环境下的无碰撞规划性能，且能零样本迁移至Franka机器人。
2026-08-26 cs.RO
Safe and Personalizable Logical Guidance for Trajectory Planning of Autonomous Driving
University of Science and Technology of China（中国科学技术大学）
本文提出逻辑引导层（LGL），通过场景推理与RSS模型，在高速公路自动驾驶中平衡安全、效率与用户偏好，实现形式化安全保证。
2024-05-22 cs.LO cs.RO
Formation Control with Lane Preference for Connected and Automated Vehicles in Multi-lane Scenarios
Tsinghua University（清华大学）；Intel Lab China（英特尔中国研究院）
多车道道路是现实交通系统中的典型场景。车辆通常根据其路线和目的地对车道有偏好。现有的研究很少考虑控制车辆在其期望的车道上行驶的问题。提出了一种考虑不同车道上车辆偏好的编队控制方法。采用双层编队控制框架规划车辆的无碰撞运动，上层进行相对目标分配和路径规划，下层进行轨迹规划和跟踪。将考虑车道偏好的无碰撞多车辆路径规划问题解耦为两个子问题：计算费用不减的分配表和根据给定的分配结果规划无碰撞路径。根据给定的分配结果，采用基于启发式搜索的方法规划车辆的无碰撞路径。进行了案例研究，并进行了模拟在一个三车道的道路场景。结果表明，所提出的形成控制方法显着减少拥挤，提高交通效率，在高交通量相比，基于规则的方法。
2021-06-18 cs.RO cs.SY eess.SY
Decision-theoretic MPC: Motion Planning with Weighted Maneuver Preferences Under Uncertainty
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院（KIT））；Porsche Motorsport（保时捷赛车运动部门）；Dr. Ing. h.c. F. Porsche AG（保时捷股份公司）
针对交通场景中其他参与者意图不确定导致自动驾驶车辆难选最优机动的问题，提出一种加权多机动轨迹的连续优化运动规划器，兼顾多类不确定性与应急机动可行性，在交互能力和舒适性上优于传统单机动规划器。
2024-10-07 cs.RO math.OC
Resilient Movement Planning for Continuum Robots
IHP – Leibniz-Institut für innovative Mikroelektronik（莱布尼茨创新微电子研究所（IHP））；BTU Cottbus-Senftenberg（科特布斯-森夫滕贝格工业大学）
本文实验研究了连续体机器人多目标弹性路径规划，结合遗传算法和A*算法与层次分析法评估，发现遗传算法性能更优。
2024-11-05 cs.RO
Temporal Logic Guided Motion Primitives for Complex Manipulation Tasks with User Preferences
University of Science and Technology of China（中国科学技术大学）
动态运动基元（DMPs）是一种灵活的轨迹学习方案，广泛应用于机器人系统的运动生成。然而，现有的基于DMP的方法主要集中在简单的去目标任务。为了处理点到点运动规划之外的任务，本文提出了基于时序逻辑的运动基元优化算法，即PIBB-TL算法，用于满足用户偏好的复杂操作任务。特别是，加权截断线性时序逻辑（wTLTL）被纳入PIBB-TL算法，这不仅使编码的复杂任务，涉及一系列的逻辑组织的行动计划与用户的喜好，但也提供了一个方便和有效的手段来设计成本函数。然后，黑盒优化适于识别DMP的最佳形状参数，以实现机器人系统的运动规划。通过仿真和实验验证了PIBB-TL算法的有效性
2022-02-09 cs.RO
Limited Visibility and Uncertainty Aware Motion Planning for Automated Driving
FZI Research Center for Information Technology（FZI信息技术研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
不利的天气条件和城市环境中的遮挡导致感知受损。不确定性在自动车辆的不同模块中处理，范围从传感器水平到情况预测直到运动规划。本文主要研究在具有遮挡的不确定环境模型下的运动规划问题。我们提出了一种方法，以保持碰撞自由的最坏情况下的演变给定的场景。我们定义的标准，衡量可用的利润率的碰撞，同时考虑到可见性和相互作用，并因此集成的条件，将这些标准应用到一个基于优化的运动规划。我们通过在几个不同的城市场景中验证我们的方法的一般性。
2018-10-30 cs.RO
A Simple Robot Selection Criteria After Path Planning Using Wavefront Algorithm
Adhiparasakthi Engineering College（阿迪帕拉萨克蒂工程学院）
本文提出一种在已知环境地图下选择最佳机器人的技术，通过 Wavefront Algorithm 探测地形特征，并基于五种机器人的性能与局限为其匹配任务，从而完成既定使命。
2023-07-30 cs.RO
Auditable and Deployable Multi-Agent Motion Planning via Posetal Games from Legal Guidelines
Massachusetts Institute of Technology（麻省理工学院）；Technical University of Munich（慕尼黑工业大学）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）；University of California, Berkeley（加州大学伯克利分校）
该研究提出基于偏序博弈的框架，将法律准则转化为多智能体运动规划方案，在海上导航测试中实现了可审计的合法多船相遇协调。
2026-10-16 cs.GT cs.MA cs.RO
Increasing Resilience of Continuum Robots via Motion Planning Algorithms
IHP – Leibniz-Institut für innovative Mikroelektronik（莱布尼茨创新微电子研究所）；BTU Cottbus-Senftenberg（科特博斯-塞芬堡工业大学）；Technical Center, National Academy of Sciences of Ukraine（乌克兰国家科学院技术中心）
本文实验研究运动规划算法对连续体机器人韧性的影响，通过改进遗传算法和A*算法，结合层次分析法评估路径质量，发现遗传算法生成更多样化路径，提升机器人韧性。
2026-06-19 cs.RO
Probabilistic motion planning for non-Euclidean and multi-vehicle problems
George Mason University（乔治梅森大学）；Temple University（天普大学）
针对非欧几里得与多车辆问题，本文提出灵活框架证明PRM*、RRT和RRT*算法在非欧几里得设定下保持渐近最优，并保证协作系统的轨迹规划收敛性。
2023-06-28 cs.RO math.MG math.OC
UBP2: Uncertainty-Balanced Preference Planning for Efficient Preference-based Reinforcement Learning
Learning, Embodied Autonomy, and Forecasting (LEAF) Lab, University of Toronto（学习、具身自主与预测（LEAF）实验室，多伦多大学）
提出UBP2方法，通过联合推理奖励、动力学和值函数的不确定性来主动引导探索，在Meta-World基准上显著提高了样本效率。
2026-06-23 cs.AI cs.LG cs.RO
Certification of Bottleneck Task Assignment with Shortest Path Criteria
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
针对有障碍环境中最短路径精确求解NP难、难以确定多机器人最优瓶颈任务分配的问题，提出迭代提升路径规划精度、基于路径上下界与分配灵敏度的认证方法，用多项式时间采样规划获取界值，经多机器人案例验证有效。
2023-06-08 cs.RO cs.SY eess.SY
Probabilistic Planning with Partially Ordered Preferences over Temporal Goals
University of Florida（佛罗里达大学）
在本文中，我们研究规划随机系统，建模为马尔可夫决策过程（MDP），在时间上扩展的目标的偏好。先前的工作时间规划的偏好假设用户的偏好形成一个总的顺序，这意味着每对结果是相互比较的。在这项工作中，我们考虑的情况下，可能的结果的偏好是一个偏序，而不是一个总的顺序。我们首先介绍了一个变种的确定性有限自动机，称为偏好DFA，用于指定用户的偏好在时间上扩展的目标。基于序理论，我们将偏好DFA转化为一个标记MDP中的概率规划策略偏好关系。在这种治疗中，最优选的政策诱导弱随机非支配概率分布的有限路径的MDP。所提出的规划算法取决于一个多目标MDP的建设。我们证明了弱随机非支配政策的偏好规格是帕累托最优的构造多目标MDP，反之亦然。在整个文件中，我们采用了一个运行的例子来证明所提出的偏好规范和解决方案的方法。我们使用的例子与详细的分析，我们的算法的有效性，然后讨论可能的未来方向。
2023-03-07 cs.AI cs.RO
Planning with Preferences using Logic Programming
我们提出了一个声明性的语言，PP，规划问题的可能的解决方案（或轨迹）之间的偏好的高层次规范。这种新颖的语言允许用户优雅地表达非平凡的、多维的偏好和优先于这些偏好的优先级。PP的语义允许识别给定目标的最优选轨迹。我们还提供了一个答案集编程实现规划问题与PP的喜好。
2005-08-31 cs.AI
Preference Guided Iterated Pareto Referent Optimisation for Accessible Route Planning
Gemeente Amsterdam（阿姆斯特丹市政府）
本文提出PG-IPRO算法，通过用户反馈优化路线规划，提高交互直观性并提升计算效率
2026-04-01 cs.AI cs.LG
Preference-Guided Planning: An Active Elicitation Approach
University of Texas, Dallas（得克萨斯大学达拉斯分校）；Indiana University, Bloomington（印第安纳大学伯明顿分校）；Washington State University（华盛顿州立大学）；University of Pennsylvania（宾夕法尼亚大学）
带有偏好的计划已被广泛采用，以快速生成高质量的计划。然而，人类专家在不知道规划者所采用的推理和规划问题的分布的情况下可能难以提供该信息。我们考虑的问题，积极引出的偏好，从人类专家在规划过程中。具体来说，我们研究这个问题的层次任务网络（HTN）规划框架的背景下，因为它可以很容易地与人的互动。我们在几个不同的规划领域的实验结果表明，使用所提出的方法收集的偏好，提高了规划的质量和速度，同时减少了人类专家的负担。
2018-04-19 cs.AI
Demo: Generative AI helps Radiotherapy Planning with User Preference
Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部）；Varian Medical Systems, Siemens Healthineers（Varian医疗系统，西门子医疗）
生成式AI通过用户自定义偏好提升放疗计划的灵活性与个性化，优于现有方法在适应性和计划质量上
2026-10-26 cs.AI cs.CV cs.LG
Probabilistic Planning with Preferences over Temporal Goals
Worcester Polytechnic Institute（伍斯特理工学院）
我们提出了一个形式语言指定定性偏好的时间目标和随机系统中基于偏好的规划方法。使用自动机理论建模，所提出的规范允许我们表达偏好不同的结果集，其中每个结果描述了一组时间序列的子目标。我们定义了一个随机过程中可能的结果的偏好满意度的值，并开发了一个算法的时间约束的概率规划标记马尔可夫决策过程中，代理的目标是最大限度地满足其偏好公式在一个预定义的有限的持续时间。我们目前的实验结果使用随机网格世界的例子，并讨论可能的扩展建议的偏好模型。
2021-03-26 cs.AI cs.FL cs.SY
An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting
Dalian University of Technology（大连理工大学）；University of Alberta（阿尔伯塔大学）；Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）；Istinye University（伊斯提涅大学）
本文提出基于增量式偏好获取和最大间隔优化的多准则分类方法，通过主动学习策略选择最有信息量的备选方案，以有效学习潜在非单调偏好并处理不一致信息。
2024-09-04 cs.AI
On Planning with Preferences in HTN
University of Toronto（多伦多大学）
在本文中，我们解决的问题，产生首选的计划相结合的程序控制知识，层次任务网络（HTNs）与丰富的定性用户的喜好。我们的工作成果是一种语言，用于指定用户的喜好，定制HTN规划，连同一个可证明的最佳的基于偏好的规划，HTNeconomy，这是实现作为一个扩展的SHOP2。为了计算优先计划，我们提出了一种基于前向链接启发式搜索的方法。我们的启发式算法使用了一个可接受的评价函数来衡量对部分计划的偏好的满意度。我们的实证评估证明了我们的HTNESTERNATICAL的有效性。我们证明我们的方法的声音和最佳的计划，它产生的呼吁情况演算语义我们的偏好语言和HTN规划。虽然我们的实现建立在SHOP2上，但这里提出的语言和技术与广泛的HTN规划者相关。
2009-09-03 cs.AI
Efficient Multi-Modal Planning with Reward-Guided Preference Optimization for Autonomous Driving
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
提出EMPlan，一种结合稀疏锚点与偏移细化模块的高效多模态轨迹规划方法，通过奖励引导微调提升安全性，在NAVSIM基准上实现精度与效率的平衡。
2026-10-01 cs.AI cs.RO
Criteria Tell You More than Ratings: Criteria Preference-Aware Light Graph Convolution for Effective Multi-Criteria Recommendation
Yonsei University（延世大学）；The University of New South Wales Australia（澳大利亚新南威尔士大学）
本文首次将 GNN 用于多准则推荐，提出 CPA-LGC，通过多准则扩展图与准则偏好嵌入捕获高阶协同信号，并在四个真实数据集上验证其准确、有效且高效。
2023-06-06 cs.AI cs.IR cs.IT
Planning with Partial Preference Models
Arizona State University（亚利桑那州立大学）；Palo Alto Research Center（帕洛阿尔托研究中心）；Università degli Studi di Brescia（布雷西亚大学）；Free University of Bozen-Bolzano（博尔扎诺自由大学）；IBM India Research Laboratory（IBM印度研究院）
目前的工作在规划与偏好假设用户的偏好模型是完全指定的，旨在寻找一个单一的解决方案计划。然而，在许多现实世界的规划场景中，用户可能无法提供关于她所期望的计划的任何信息，或者在某些情况下只能表达部分偏好。在这种情况下，计划员必须向用户提供的不仅仅是一个计划，而是一组计划，并希望其中一些计划与用户喜欢的计划相似。我们首先提出了使用不同的措施，以捕捉质量的计划集，适合于这种情况下：域独立的距离测量定义的基础上计划元素（行动，状态，因果关系），如果没有知识的用户的喜好，并集成凸偏好措施的情况下，用户的部分偏好提供。然后，我们研究各种启发式方法，找到一套计划，根据这些措施，并提出实证结果证明我们的方法的承诺。
2011-01-12 cs.AI
Optimal Cost-Preference Trade-off Planning with Multiple Temporal Tasks
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出一种新颖的偏好概念及基于扩展A*搜索的高效规划框架，用于在多个时间任务下生成帕累托最优计划，并计算整个帕累托前沿，在移动机器人和机械臂上验证了高达两个数量级的加速。
2023-06-22 cs.AI cs.FL cs.RO
CM-DPO: Constraint-Margin Direct Preference Optimization for LLM Planning
PayPal AI Lab（PayPal人工智能实验室）
针对DPO忽视约束严重性和偏好偏差的问题，提出CM-DPO，利用符号验证器生成连续边际并按严重程度缩放，分离硬软约束，在多个规划基准上8B模型达到89.2%通过率，匹配多智能体且延迟低13倍。
2026-10-08 cs.AI cs.LG
Representation of preferences for multiple criteria decision aiding in a new seven-valued logic
University of Catania（卡塔尼亚大学）；Poznań University of Technology（波兹南理工大学）；Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）
本文提出在七值逻辑框架下表示多准则决策辅助中的偏好，通过构造七值偏好关系并利用多个超越关系或价值函数生成稳健推荐，以有效处理不确定性、不精确性和偏好不充分确定等问题。
2024-05-31 cs.AI
Multi-Objective Planning with Contextual Lexicographic Reward Preferences
Oregon State University（俄勒冈州立大学）
提出CLMDP框架，支持根据上下文动态调整字典序目标偏好，采用贝叶斯方法从专家轨迹推断状态-上下文映射，并将各目标顺序策略融合为单一无环上下文感知策略，在仿真和移动机器人上验证有效。
2025-11-03 cs.AI cs.RO cs.SY
Optimal Interactive Learning on the Job via Facility Location Planning
Brown University（布朗大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出多任务交互规划器 COIL，通过策略性选择技能、偏好和帮助三种查询类型最小化人类工作量，将其表述为无容量设施选址问题并结合单步信念空间规划处理偏好不确定性，在保证任务完成率的同时显著减少人类负担。
2025-05-01 cs.AI cs.RO
LLMAP: LLM-Assisted Multi-Objective Route Planning with User Preferences
School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院）；Department of Computer Science and Engineering, Yonsei University（延世大学计算机科学与工程系）；Polytechnic Institute, Purdue University（普渡大学理工学院）
本文提出LLMAP系统，利用LLM作为解析器理解自然语言并提取用户偏好，结合多步图构建与迭代搜索算法，在多重约束下实现多目标最优路径规划，并在全球14国27城的1000个提示实验中验证了其卓越性能。
2025-09-14 cs.AI cs.CL cs.LG
Capturing waste collection planning expert knowledge in a fitness function through preference learning
ArcelorMittal（安赛乐米塔尔）；University of Oviedo（奥维耶多大学）
本文利用偏好学习框架，基于专家知识构建废物收集规划的适应度函数，通过特征选择优化关键绩效指标，使C指数从72%或90%提升至98%。
2024-02-02 cs.AI cs.LG
Preference-Based Planning in Stochastic Environments: From Partially-Ordered Temporal Goals to Most Preferred Policies
Missouri State University（密苏里州立大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Florida（佛罗里达大学）；Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究所）
本文研究随机系统中基于偏序时序偏好的规划问题，提出偏好自动机模型，并将最偏好策略求解转化为多目标MDP中的Pareto最优策略计算。
2024-10-18 cs.AI cs.FL cs.LO
Probabilistic Planning with Prioritized Preferences over Temporal Logic Objectives
Worcester Polytechnic Institute（伍斯特理工学院）；University of Florida（佛罗里达大学）
针对概率MDP中多时序目标的优先级偏好规划问题，提出优先级定性选择LTL_f语言并转换为加权自动机，以计算最小化期望不满意得分的最优策略。
2023-04-23 cs.AI cs.FL
Personalized and Context-aware Route Planning for Edge-assisted Vehicles
Politecnico di Torino（都灵理工大学）；TU Berlin（柏林工业大学）
本文提出一种基于GNN和DRL的个性化路径规划框架，通过分析驾驶员历史轨迹学习偏好，在真实路网中相比通用规划器提升17%满意度并大幅减少行驶时间。
2024-07-25 cs.AI cs.RO
Auto-Rubric as Reward: From Implicit Preferences to Explicit Multimodal Generative Criteria
Nanyang Technological University（南洋理工大学）；Ant Group（蚂蚁集团）；MMLab, The Chinese University of Hong Kong（香港中文大学MMLab）；UIUC（伊利诺伊大学香槟分校）
本文提出Auto-Rubric as Reward框架，通过显式标准分解替代隐含权重优化，提升多模态生成模型对人类偏好的对齐效果，实验证明显式标准能更可靠地实现数据高效对齐。
2026-05-08 cs.AI
Solving Multi-Objective MDP with Lexicographic Preference: An application to stochastic planning with multiple quantile objective
Georgia Institute of Technology（佐治亚理工学院）
在马尔可夫决策过程（MDP）的大多数常见设置中，代理基于（折扣）奖励总和的期望来评估策略。然而在许多应用中，该准则从两个角度看可能并不适用：第一，在风险规避情形下，累积报酬的期望值不够稳健，这是累积报酬分布严重偏斜的情况;另一个问题是许多应用在评估策略时自然地考虑几个目标，例如，在自动驾驶中，当选择适当的决策时，代理需要平衡速度和安全性。在本文中，我们考虑评估一个策略的基础上的一系列的分位数，它诱导的一组目标状态，我们的想法是将原来的问题转化为一个多目标MDP问题的字典偏好自然定义。对于寻找最优策略的计算，我们提出了一个算法\textbf{FLMDP}，它可以解决一般的多目标MDP与字典式奖励偏好。
2017-05-10 cs.AI
A Systematic Decade Review of Trip Route Planning with Travel Time Estimation based on User Preferences and Behavior
Informatics Institute of Technology（信息技术学院）；Swansea University（斯旺西大学）
本文系统综述了基于用户偏好与行为的行程路线规划与出行时间估计的十年进展，涵盖机器学习、强化学习、图神经网络等AI方法，并指出伦理、可扩展性和数据集成等关键挑战，提出构建高效透明可持续导航系统的建议。
2025-03-30 cs.AI
Qualitative Decision Methods for Multi-Attribute Decision Making
Northwestern University（西北大学）
所有多准则决策分析（MCDA）问题的基本问题是任何两个备选方案之间的优势：“给定两个备选方案A和B，每个由一组准则描述，关于一组决策者（DM）对准则的偏好，A是否优于B？".根据执行MCDA的应用，备选方案可能代表企业的战略和政策、建立新设施的潜在地点、建筑物的设计等。MCDA的总体目标是使DM能够按照所述偏好对所有备选方案进行排序，并选择最佳方案，即，最优的关于标准的偏好。本文介绍和总结了一个最近开发的MCDA框架，命令的相对重要性偏好时，设置的替代品是不完整的，不精确的，或定性的性质。
2015-08-04 cs.AI
Structured Preference Optimization for Vision-Language Long-Horizon Task Planning
Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）；The Chinese University of Hong Kong（香港中文大学）；Spatialtemporal AI（时空人工智能）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）；The University of Hong Kong（香港大学）；Shanghai Jiaotong University（上海交通大学）
针对视觉语言长视野任务规划中推理质量低的问题，提出结构化偏好优化（SPO）方法，结合基于偏好的评分与课程引导训练，并在新基准ExtendaBench上显著提升了长视野任务的决策准确率。
2025-09-17 cs.AI cs.CL cs.CV
LOTUS: A Leaderboard for Detailed Image Captioning from Quality to Societal Bias and User Preferences
NVIDIA Research（NVIDIA研究）
LOTUS是一种用于评估详细图像描述质量、偏见和社会偏见的排行榜，通过定制标准满足不同用户偏好，揭示了模型在不同评估标准上的表现差异。
2025-07-25 cs.AI cs.CL cs.CV
Churn-Aware Recommendation Planning under Aggregated Preference Feedback
Technion—Israel Institute of Technology（技术学院—以色列理工学院）
针对仅能获取群体偏好信息且用户可能流失的推荐场景，提出Rec-APC模型与分支定界算法，证明最优策略有限时间收敛到纯利用，并在MovieLens等数据上优于SARSOP。
2025-07-06 cs.AI
An Efficient Approximation Algorithm for Multi-criteria Indoor Route Planning Queries
Monash University（莫纳什大学）
路线规划查询具有许多现实应用，并且在诸如道路网络或欧几里得空间的室外空间中已经被广泛研究。尽管其在室内场所（例如，购物中心，图书馆，机场），几乎所有现有的研究是专门为室外空间设计的，并没有考虑到室内空间，如走廊，楼梯，自动扶梯，房间等的独特属性。我们确定了这一研究差距，并正式定义了类别感知的多标准路线规划查询问题，表示为CAM，其返回从室内源点到室内目标点的最优路线，该最优路线经过来自每个给定类别的至少一个室内点，同时最小化路线在行进距离和其它相关属性方面的总成本。我们证明了CAM查询是NP难的。基于一种新的基于优势的修剪，我们提出了一种高效的算法，产生高质量的结果。我们提供了在澳大利亚最大的购物中心进行了广泛的实验研究，并比较我们的算法与其他方法。实验表明，我们的算法是高效的，并产生高质量的结果。
2018-09-18 cs.AI
MCTS-EP: Empowering Embodied Planning with Online Preference Optimization
School of Management, Fudan University, Shanghai, China（复旦大学管理学院）；Independent Researcher（独立研究者）；CFCS, School of Computer Science, Peking University, Beijing, China（计算机科学系，北京大学）；PKU-AgiBot Lab, Peking University, Beijing, China（北京大学）
MCTS-EP通过结合大语言模型与蒙特卡洛树搜索，实现具身智能体的在线偏好优化，提升多模态任务的性能表现。
2025-12-16 cs.AI
PGPO: Enhancing Agent Reasoning via Pseudocode-style Planning Guided Preference Optimization
Shanghai Jiao Tong University（上海交通大学）；Taobao & Tmail Group of Alibaba（阿里巴巴淘宝天猫集团）；Alibaba Group（阿里巴巴集团）
本文提出PGPO方法，利用伪代码风格规划引导偏好优化，通过两种面向规划的奖励增强LLM智能体生成高质量结构化规划的能力，从而提升推理效率、泛化性并减少动作错误与遗漏。
2025-06-02 cs.AI cs.CL
End-to-End LLM Flight Planning with RAG-based Memory and Multi-modal Coach Agent
George Washington University（乔治华盛顿大学）；Metis Solutions Technology Inc
针对电动垂直起降飞机部署中传统飞行规划算法难以融入人类偏好的问题，提出FRAMe工具，集成规划器LLM、多模态教练代理和基于RAG的记忆，在多场景演示中效果最佳，能将自然语言指令转化为优质飞行路线。
2026-07-09 cs.AI cs.RO
PDEU-Bench: Benchmarking the Personalized Planning Lifecycle of Tool-Calling LLM Agents
Renmin University of China（中国人民大学）；Beihang University（北京航空航天大学）
针对工具调用LLM智能体在长期交互中个性化规划能力评估缺失的问题，提出PDEU-Bench基准，覆盖214个任务和94个工具，发现模型在计划定义与更新上存在明显短板，现有方法难以全周期保持用户偏好。
2026-09-29 cs.AI
Learning the Preferences of Ignorant, Inconsistent Agents
University of Oxford（牛津大学）；Stanford University（斯坦福大学）
机器学习的一个重要用途是学习人们重视什么。应该向用户显示哪些帖子或照片？哪些工作或活动会让一个人觉得有价值？在每一种情况下，对人们过去选择的观察都可以为我们关于他们的喜好和偏好的推断提供信息。如果我们假设根据某种效用函数，选择是近似最优的，我们可以将偏好推断视为贝叶斯逆规划。也就是说，给定效用函数的先验和一些观察到的选择，我们反转最优决策过程来推断效用函数的后验分布。然而，人们经常偏离近似最优性。他们有错误的信念，他们的计划是次优的，他们的选择可能由于双曲线贴现和其他偏见而在时间上不一致。我们演示了如何将这些偏差到算法的偏好推理，通过构建生成模型的规划代理谁是受错误的信念和时间不一致。我们探索这些模型对偏好、信念和偏见的推断。我们提出了一个行为实验中，人类受试者进行偏好推理给出了相同的意见，我们的模型的选择。结果表明，人类受试者（如我们的模型）解释的系统偏离最佳行为的选择，并建议他们考虑到这种偏差时，推断偏好。
2015-12-18 cs.AI
LAPPI: Interactive Optimization with LLM-Assisted Preference-Based Problem Instantiation
Sakana AI；University of California, Davis（加州大学戴维斯分校）；OMRON SINIC X Corporation（OMRON SINIC X公司）；University of Tokyo（东京大学）
LAPPI通过LLM辅助用户将模糊偏好转化为明确的优化问题，提升终端用户在旅行计划等任务中的问题实例化效率和解决方案质量。
2025-12-16 cs.AI cs.HC
Refining HTN Methods via Task Insertion with Preferences
Sun Yat-sen University（中山大学）；IRIT（图卢兹计算机科学研究所）；University of Toulouse（图卢兹大学）
分层任务网络（HTN）规划在现实世界的规划中显示出其强大的功能。虽然领域专家有部分层次的领域知识，它是耗时的指定所有HTN方法，使他们不完整。另一方面，传统的HTN学习方法只关注陈述性目标，忽略了层次化的领域知识。在本文中，我们提出了一种新的学习框架，通过任务插入完善HTN方法，完全保留原始方法。由于它是很难识别不完整的方法，而不指定声明性目标的复合任务，我们引入了优先级偏好的概念，以捕捉方法的不完整性的可能性。具体地，框架首先计算优选完成简档w.r.t.对不完整的方法进行优化的优先选择。然后通过方法替换操作找到最小的精化方法集。实验分析表明，我们的方法是有效的，特别是在解决新的HTN规划实例。
2019-11-29 cs.AI
