Compositional Monte Carlo Tree Diffusion for Extendable Planning
KAIST（韩国科学技术院）；SAP（SAP公司）；NYU（纽约大学）
C-MCTD通过引入三个互补组件，将规划从单轨迹优化提升到完整计划组合推理，实现更高效和可扩展的规划方法。
2026-01-06 cs.LG
Compositional Learning-based Planning for Vision POMDPs
UC Berkeley（加州大学伯克利分校）；CU Boulder（科罗拉多大学博尔德分校）；Google Research（谷歌研究院）
部分可观测马尔可夫决策过程（POMDP）是一个强大的框架，用于捕获涉及状态和转移不确定性的决策问题。然而，大多数当前POMDP规划者不能有效地处理现实世界应用中普遍存在的高维图像观测，并且通常需要与环境交互的冗长的在线培训。在这项工作中，我们提出了视觉树搜索（VTS），组合学习和规划过程，结合生成模型离线学习与在线基于模型的POMDP规划。深度生成观测模型评估蒙特卡罗树搜索规划器中的可能性并预测未来图像观测。我们证明了VTS对训练过程中不存在的不同类型的图像噪声具有鲁棒性，并且可以适应不同的奖励结构，而无需重新训练。这种新方法显著且稳定地优于几种基线最先进的视觉POMDP算法，同时使用一小部分训练时间。
2022-12-03 cs.AI cs.LG cs.RO
LayoutAgent: A Vision-Language Agent Guided Compositional Diffusion for Spatial Layout Planning
Personalization Team, Walmart Global Tech（Walmart全球科技个性化团队）
本文提出 LayoutAgent 框架，结合视觉-语言模型预处理与机器人学中的组合扩散生成尊重语义和物理关系的边界框，并由前景条件生成器合成完整场景，在布局连贯性、空间真实性和美学对齐上优于现有模型。
2025-09-24 cs.AI cs.CV cs.LG
Learning compositional models of robot skills for task and motion planning
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Google（谷歌）
这项工作的目的是增加机器人的基本能力，通过学习使用感觉运动原语来解决复杂的长期操作问题。这需要灵活的生成规划，可以将原始能力结合在新的组合中，从而概括各种各样的问题。为了用基本动作进行计划，我们必须有动作的模型：在什么情况下，执行这个基本动作会成功地在世界上实现某种特定的效果？我们使用最先进的方法进行主动学习和采样，并对其进行新颖的改进。我们使用高斯过程的方法来学习的限制，从少量的昂贵的收集训练样本的技能有效性。此外，我们开发了有效的自适应采样方法，用于在规划过程中生成一个全面和多样化的连续候选控制参数值序列（如杯子的浇注航点）。这些值成为传统运动规划器的末端执行器目标，然后解决执行技能的完整机器人运动。通过结合使用学习和规划方法，我们利用每种方法的优势，并为各种复杂的动态操作任务进行规划。我们在一个集成系统中展示了我们的方法，将传统的机器人原语与我们新学到的模型相结合，使用高效的机器人任务和运动规划器。我们评估我们的方法在模拟和现实世界中，通过测量选定的原始动作的质量。最后，我们将我们的集成系统应用于各种长时间模拟和现实世界的操纵问题。
2021-05-05 cs.AI cs.LG cs.RO
What Do You Need for Compositional Generalization in Diffusion Planning?
Department of Computer Science, University of Toronto（计算机科学系，多伦多大学）
本文提出Eq-Net架构，通过位移等变性、局部感受野和推断选择实现扩散规划的组合泛化，展示其在导航和操作任务中的有效性。
2026-02-09 cs.LG cs.RO
Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning
KAIST（韩国科学技术院）；Georgia Institute of Technology（佐治亚理工学院）
提出Coarse-to-Fine Compositional Diffusion (CoFi)方法，通过先形成全局骨架再细化局部细节，在长时域机器人规划、全景图像生成和长视频生成中提升全局一致性和局部质量，同时减少2-8倍去噪评估次数。
2026-05-30 cs.LG cs.RO
ReHoPER: Receding-Horizon Planning for Enhanced Reasoning
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
提出ReHoPER，一种仅推理的零样本方法，通过滚动规划中间问题并回答来增强LLM推理，在组合推理基准上优于强基线。
2026-10-02 cs.AI cs.CL cs.LG
Agentic Planning with Reasoning for Image Styling via Offline RL
Adobe Research（Adobe研究）
本文提出基于推理的代理规划框架，通过结构化规划和工具链提升图像风格化效果，采用合成数据生成和离线强化学习方法，验证在视觉质量和指令遵循上的优越性。
2026-11-10 cs.LG
Policy Architectures for Compositional Generalization in Control
Stanford University（斯坦福大学）；Meta AI (FAIR)（Meta人工智能（基础人工智能研究院））
控制、机器人和规划中的许多任务可以使用环境中各种实体的期望目标配置来指定。学习目标制约策略是解决此类任务的自然范式。然而，目前的方法很难学习和概括的任务复杂性的增加，如环境实体或目标的组成的数量的变化。在这项工作中，我们引入了一个框架，用于在任务中建模基于实体的组合结构，并创建合适的策略设计，可以利用这种结构。我们的策略利用了Deep Sets和自注意力等架构，非常灵活，可以进行端到端的训练，而不需要任何动作原语。当使用标准强化和模仿学习方法对一套模拟机器人操作任务进行训练时，我们发现这些架构以更少的数据实现了更高的成功率。我们还发现，这些架构可以实现更广泛的组合泛化，产生的策略可以外推到与训练中不同数量的实体，并以新颖的方式将学习到的技能缝合在一起（即组合）。结果的视频可以在https://sites.google.com/view/comp-gen-rl上找到。
2022-03-10 cs.AI cs.LG cs.RO
Compositional Generative Modeling from Decentralized Data
Department of Computer Science and Engineering, Michigan State University, East Lansing, MI, USA（计算机科学与工程系，密歇根州立大学，东兰辛，MI，美国）
提出去中心化组合流匹配（DCFM）框架，通过结构约束实现分散数据中生成因子的组合，无需交换原始数据，在条件图像生成、机器人空间规划和医学属性共现建模中显著优于基线。
2026-06-08 cs.LG
Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents
Simular Research（西穆拉研究机构）
针对计算机使用智能体GUI定位不准、长程规划难及单模型瓶颈问题，提出组合式通才-专才框架Agent S2，采用混合定位与主动分层规划技术，在多个基准上创下SOTA并实现跨系统泛化。
2025-04-01 cs.AI cs.CL cs.CV
Embodied Lifelong Learning for Task and Motion Planning
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
该研究针对家庭服务机器人的终身学习问题，提出面向任务与运动规划的具身终身学习新范式，通过混合生成模型与基于辅助任务的在线模型选择机制，在2D及BEHAVIOR领域实现规划成功率的显著提升。
2023-11-06 cs.AI cs.LG cs.RO
PoE-World: Compositional World Modeling with Products of Programmatic Experts
Cornell University（康奈尔大学）；University of Cambridge（剑桥大学）；The Alan Turing Institute（艾伦·图灵研究所）；Dalhousie University（达尔豪斯大学）
PoE-World通过程序专家的乘积有效建模复杂非网格世界领域，利用LLMs学习世界模型并实现高效泛化。
2025-11-19 cs.AI cs.LG
Structured Object-Aware Physics Prediction for Video Modeling and Planning
Heidelberg University（海德堡大学）；TU Darmstadt（达姆施塔特工业大学）
当人类观察一个物理系统时，他们可以很容易地定位对象，理解它们的相互作用，并预测未来的行为，即使是在复杂的和以前看不见的相互作用的环境中。然而，对于计算机来说，以无监督的方式从视频中学习这样的模型是一个尚未解决的研究问题。在本文中，我们提出了STOVE，一种新的状态空间模型的视频，明确的原因对象及其位置，速度和相互作用。它通过组合图像模型和动力学模型来构建，并通过重用动力学模型进行推理，加速和正则化训练来改进以前的工作。STOVE在数百个时间步上预测具有令人信服的物理行为的视频，优于以前的无监督模型，甚至接近有监督基线的性能。我们进一步证明了我们的模型作为一个模拟器的样本有效的基于模型的控制在一个任务与大量的相互作用的对象的强度。
2020-02-12 cs.CV cs.LG stat.ML
Extendable Planning via Multiscale Diffusion
针对现有扩散规划器受训练轨迹长度限制难以处理长时域规划的问题，本文提出两阶段多尺度扩散方案，结合渐进式轨迹扩展、分层多尺度Diffuser及单模型统一架构，实现了性能更优的长时域高效决策。
2025-11-16 cs.LG cs.RO
Cascaded Compositional Residual Learning for Complex Interactive Behaviors
Georgia Institute of Technology（佐治亚理工学院）；Google（谷歌）
现实世界的自主任务通常需要与附近物体（如门或开关）进行丰富的交互，以及有效的导航。然而，这种复杂的行为很难学习，因为它们涉及高级规划和低级运动控制。我们提出了一个新的框架，级联组合残差学习（CCRL），学习复合技能，通过递归地利用以前学习的控制策略库。我们的框架学习乘法的政策组成，特定于任务的剩余行动，和合成的目标信息，同时冻结的先决条件的政策。我们通过正则化剩余动作进一步明确地控制运动的风格。我们表明，我们的框架学习关节级控制策略，用于各种运动技能，从基本运动到复杂的交互式导航，包括绕过障碍物导航，推动物体，在桌子下爬行，用腿推开门，并在走过它时保持打开。我们成功地将其转移到真正的Unitree A1机器人上，而无需任何额外的微调。
2022-12-17 cs.LG cs.RO
The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
研究多轮长期规划问题，通过引入统一可控环境，利用预训练、GRPO、OPD及MOPD等方法，研究规划能力在不同阶段的获取、塑造与整合，展示了多教师策略蒸馏对跨环境能力整合的作用。
2026-07-28 cs.AI cs.CL cs.LG
Generalizing to New Tasks via One-Shot Compositional Subgoals
Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（萨里大学视觉、语音与信号处理中心）
在几乎没有监督的情况下推广到以前看不见的任务的能力是现代机器学习研究中的一个关键挑战。它也是未来“通用AI”的基石。任何部署在现实世界应用程序中的人工智能代理都必须适应未知的环境。研究人员经常依靠强化和模仿学习，通过试错学习来提供对新任务的在线适应。然而，对于需要许多时间步或大量子任务来完成的复杂任务来说，这可能具有挑战性。这些“长视野”任务的样本效率低下，可能需要非常长的训练时间之前，代理可以学习执行必要的长期规划。在这项工作中，我们引入CASE，试图通过训练一个模仿学习代理使用自适应“不久的将来”的子目标来解决这些问题。这些子目标在每一步使用组合算法在学习的潜在表示空间中重新计算。除了提高标准长期任务的学习效率外，这种方法还可以对以前看不见的任务执行一次性泛化，只要在不同环境中为任务提供单个参考轨迹。我们的实验表明，所提出的方法始终优于以前的国家的最先进的组合模仿学习方法的30%。
2022-07-25 cs.LG cs.RO
Plan First, Diffuse Later: Extrinsic Graph Guidance for Long-Horizon Diffusion Planning
Technion（技术Ion大学）；Harvard（哈佛大学）
本文提出了一种外在搜索引导的扩散模型（XDiffuser），通过在状态空间图上先规划再引导扩散过程，以提高长视距规划的效率和效果，尤其在低质量数据和未见任务中表现优异。
2026-05-16 cs.AI cs.LG cs.RO
Offline Goal-Conditioned Reinforcement Learning with Projective Quasimetric Planning
Ubisoft la Forge；University of Angers（昂热大学）；Inria（法国国家科学研究中心）
本文提出ProQ框架，通过学习非对称距离和结合拉格朗日检测器，实现目标条件强化学习中子目标生成与长期目标达成的稳健控制。
2026-01-30 cs.LG
Emergent Compositional Communication for Latent World Properties
Independent Researcher, Amsterdam, Netherlands（独立研究者，阿姆斯特丹，荷兰）
本文研究多智能体通信能否从冻结视频特征中提取离散组合性表示，展示通过Gumbel-Softmax瓶颈和迭代学习发展出无标签的组合协议，验证了感知先验对可通信信息的影响。
2026-03-18 cs.LG cs.MA
Active Predictive Coding: A Unified Neural Framework for Learning Hierarchical World Models for Perception and Planning
University of Washington（华盛顿大学）
本文提出主动预测编码框架，通过分层世界模型解决人工智能中感知与规划的两大核心问题。
2022-10-23 cs.AI cs.CV cs.LG
When Does LeJEPA Learn a World Model?
Cold Spring Harbor Laboratory（冷泉港实验室）；New York University（纽约大学）；Brown University（布朗大学）
本文证明 LeJEPA（对齐加高斯正则化）在潜变量服从平稳加性噪声演化的世界中能够线性恢复潜变量（线性可识别性），并指出高斯分布是唯一保证该性质的潜分布，同时验证了近似可识别性和最优规划能力。
2026-11-10 cs.LG stat.ML
Advancing Compositional LLM Reasoning with Structured Task Relations in Interactive Multimodal Communications
Beijing University of Posts and Telecommunications（北京邮电大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Yonsei University（延世大学）
针对交互式多模态应用依赖多个大语言模型的问题，提出基于任务依赖图的ContextLoRA方法与ContextGear调度策略，用单个组合式大语言模型适配多任务并降低资源消耗，经实验与真实测试床验证有效。
2025-07-28 cs.AI cs.DC cs.HC
Hitting Time Isomorphism for Multi-Stage Planning with Foundation Policies
Department of Mathematics and Computer Science（数学与计算机科学系）
本文提出基于击中时间同构性的新框架，通过学习希尔伯特空间位移几何，实现离线强化学习中的非对称表示学习，提升多阶段规划在长周期导航中的鲁棒性。
2026-05-07 cs.LG
World-Value-Action Model: Implicit Planning for Vision-Language-Action Systems
Westlake University（西湖大学）；Nanjing University Suzhou Campus（南京大学苏州校区）
本文提出World-Value-Action模型，通过隐式规划提升视觉-语言-动作系统在长时域决策中的性能，通过学习潜在表示和价值函数实现高效规划。
2026-10-14 cs.LG cs.RO
How Far Ahead Do LLMs Plan? Uncovering the Latent Horizon in Chain-of-Thought Reasoning
WeChat AI, Tencent Inc（腾讯AI实验室）
通过探测方法 Tele-Lens 研究 LLMs 在思维链推理中的潜在规划能力，发现其具有短视视界，并基于此提出利用稀疏枢轴位置增强不确定性估计及自动识别 CoT 绕过的假设。
2026-05-28 cs.CL cs.LG
