Optimization Instability in Autonomous Agentic Workflows for Clinical Symptom Detection
Massachusetts General Hospital(麻省总医院)
研究发现自主AI系统在低流行病学任务中,回顾性选择比主动干预更有效,揭示了优化不稳定性导致的失效模式。
2026-02-17 cs.AI cs.MA
Multi-Vehicle Mixed-Reality Reinforcement Learning for Autonomous Multi-Lane Driving
University of Cambridge(剑桥大学)
自动驾驶有望改变道路交通。然而,多车辆和多车道的情况下,提出了独特的挑战,由于受约束的导航和不可预测的车辆相互作用。基于学习的方法--例如深度强化学习--正在成为自动设计智能驾驶策略的一种有前途的方法,可以应对这些挑战。然而,安全地学习多车辆驾驶行为的过程是困难的:虽然碰撞-及其接近避免-对于学习过程至关重要,但直接对自动驾驶车辆执行不成熟的政策会引起相当大的安全问题。在本文中,我们提出了一个安全有效的框架,可以学习在共享工作空间中运行的自动驾驶车辆的驾驶策略,在这种情况下,无法保证没有碰撞。我们的学习过程的关键是一个sim 2 real的方法,使用现实世界的在线政策适应在混合现实设置,其中其他车辆和静态障碍物存在于虚拟域。这使我们能够通过模拟学习代理与虚拟现实中的其他对象之间的碰撞(并从中学习)来执行安全学习。我们的研究结果表明,在混合现实中运行几次后,碰撞显着减少。
2020-02-10 cs.AI cs.LG cs.MA
Agentic AI and Multiagentic: Are We Reinventing the Wheel?
Valencian Research Institute for Artificial Intelligence (VRAIN)(瓦伦西亚人工智能研究院);Universitat Politècnica de València (UPV)(瓦伦西亚理工大学)
本文批判性地指出“Agentic AI”和“Multiagentic AI”只是对既有智能体与多智能体系统概念的流行词误用,主张将数十年积累的多智能体理论、标准和协议技术融入基于大语言模型的新一代 AI 智能体,避免重复造轮子。
2025-06-02 cs.AI cs.MA
Autonomous Reinforcement Learning via Subgoal Curricula
Stanford University(斯坦福大学);Google Brain(谷歌大脑);UC Berkeley(加州大学伯克利分校)
强化学习(RL)有望使不同的智能体自主获取复杂的行为。然而,当前强化学习算法的成功是基于一个经常被忽视的要求-每次试验都需要从固定的初始状态分布开始。不幸的是,在每次试验之后将环境重置到其初始状态需要大量的人类监督和对环境的广泛仪器化,这挫败了自主获得复杂行为的目标。在这项工作中,我们提出了价值加速的持久性强化学习(VaPRL),它生成一个初始状态的课程,使代理可以引导成功的简单任务,有效地学习更难的任务。智能体还学习达到课程提出的初始状态,最大限度地减少对人类干预学习的依赖。我们观察到,VaPRL减少了三个数量级相比,情节RL所需的干预,同时优于现有的最先进的方法重置免费RL的样本效率和渐近性能的各种模拟机器人问题。
2021-10-27 cs.AI cs.LG cs.RO
Why do AI agents communicate in human language?
Beijing University Of Posts and Telecommunications(北京邮电大学)
本文指出自然语言通信与LLM高维向量空间存在结构性错配,并质疑现有LLM训练范式缺乏对多智能体协调的原生支持,进而呼吁重新审视智能体通信媒介并探索原生支持多智能体协调的新模型构建范式。
2025-06-03 cs.AI
SafeRL-Kit: Evaluating Efficient Reinforcement Learning Methods for Safe Autonomous Driving
Tsinghua University(清华大学);JD Explore Academy(京东探索研究院)
安全强化学习(RL)在风险敏感任务上取得了重大成功,在自动驾驶(AD)中也显示出了希望。考虑到这个社区的独特性,仍然缺乏安全AD的有效和可重复的基线。在本文中,我们发布了SafeRL-Kit,以基准测试面向AD任务的安全RL方法。具体来说,SafeRL-Kit包含了几个针对零约束违反任务的最新算法,包括安全层,恢复RL,非策略拉格朗日方法和可行的Actor-Critic。除了现有的方法,我们提出了一种新的一阶方法命名为精确惩罚优化(EPO),并充分证明其在安全AD的能力。SafeRL-Kit中的所有算法都是(i)在非策略设置下实现的,这提高了样本效率,并可以更好地利用过去的日志;(ii)使用统一的学习框架,为研究人员提供现成的接口,将他们的特定领域知识融入到基本的安全RL方法中。最后,我们在SafeRL-Kit中对上述算法进行了比较评估,并揭示了它们对安全自动驾驶的有效性。源代码可从\href{ https://github.com/zlr20/saferl_kit}{this https URL}获得。
2022-06-17 cs.AI cs.LG cs.RO
Almanac Copilot: Towards Autonomous Electronic Health Record Navigation
Stanford Medicine(斯坦福医学院);Penn Medicine(宾夕法尼亚医学院);Stanford University(斯坦福大学);Byers Center for Biodesign(拜尔斯生物设计中心)
针对电子病历系统导致临床医生认知负荷高的问题,提出自主智能体Almanac Copilot辅助完成EMR任务,在EHR-QA数据集上取得74%的任务成功率,验证了自主智能体减轻临床医生负担的潜力。
2024-05-14 cs.AI cs.HC cs.IR
Contextual Multi-Task Reinforcement Learning for Autonomous Reef Monitoring
University of Bremen(不莱梅大学)
针对水下动力学不确定性和任务变化,提出上下文多任务强化学习框架,学习可复用的控制策略,在模拟环境中实现高效训练、零样本泛化和鲁棒性。
2026-06-03 cs.AI cs.RO
AceGRPO: Adaptive Curriculum Enhanced Group Relative Policy Optimization for Autonomous Machine Learning Engineering
School of Computer Science and Engineering, Beihang University(北京航空航天大学计算机科学与工程学院);School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院)
本文提出AceGRPO,通过动态数据缓冲和可学习潜力函数提升自主机器学习工程的持续迭代优化能力,实验证明其在MLE-Bench-Lite上达到100%有效提交率。
2026-05-07 cs.AI cs.LG
MTDrive: Multi-turn Interactive Reinforcement Learning for Autonomous Driving
Li Auto Inc.(利汽车公司);NVIDIA(英伟达)
MTDrive通过多轮交互式强化学习框架,结合多模态大语言模型与强化学习,提升自动驾驶轨迹规划的性能与效率。
2026-01-30 cs.AI cs.LG cs.RO
Arena-Rosnav: Towards Deployment of Deep-Reinforcement-Learning-Based Obstacle Avoidance into Conventional Autonomous Navigation Systems
Berlin Institute of Technology(柏林工业大学);Chair Industry Grade Networks and Clouds(工业级网络与云研究室);Faculty of Electrical Engineering, and Computer Science(电气工程与计算机科学学院);Berlin Institute of Technology, Berlin, Germany(柏林工业大学(德国柏林));Chair Industry Grade Networks and Clouds, Faculty of Electrical Engineering, and Computer Science, Berlin Institute of Technology, Berlin, Germany(柏林工业大学电气工程与计算机科学学院工业级网络与云研究室(德国柏林))
近年来,移动机器人已成为各行各业的重要工具,尤其是在物流领域。深度强化学习作为替代规划方法出现,以取代过于保守的方法,并承诺更有效和灵活的导航。然而,深度强化学习方法由于其倾向于局部最小值和缺乏长期记忆而不适合于远程导航,这阻碍了其广泛集成到移动机器人的工业应用中。在本文中,我们提出了一种导航系统,将基于深度强化学习的本地规划器整合到传统的导航堆栈中,用于远程导航。因此,提出了一个用于训练和测试深度强化学习算法以及经典方法的框架。我们评估了我们的深度强化学习增强型导航系统与各种传统规划器的对比,发现我们的系统在安全性、效率和鲁棒性方面优于它们。
2021-09-23 cs.AI cs.RO
(Re)$^2$H2O: Autonomous Driving Scenario Generation via Reversely Regularized Hybrid Offline-and-Online Reinforcement Learning
Tsinghua University(清华大学);Beijing National Research Center for Information Science and Technology(北京信息科学与技术国家研究中心)
针对自动驾驶测试场景生成需求,提出(Re)$^2$H2O反向正则化混合离线-在线强化学习方法,结合真实与仿真数据优势,生成更多样且具对抗性的高风险场景,可泛化多模型并用于AV性能微调。
2023-06-10 cs.AI cs.LG
$γ(3,4)$ `Attention' in Cognitive Agents: Ontology-Free Knowledge Representations With Promise Theoretic Semantics
Oslo University College Chitek-i AS(奥斯陆大学学院奇特克-艾公司)
本文提出基于承诺理论语义的$γ(3,4)$图表示方法,通过特征角色分类替代复杂本体,提升不确定性条件下的推理效率。
2025-12-22 cs.AI
Reinforcement Learning in an Adaptable Chess Environment for Detecting Human-understandable Concepts
Norwegian University of Science and Technology(挪威科技大学)
使用机器学习开发的自我训练的自主智能体在各种控制设置中显示出巨大的前景,也许在涉及自动驾驶汽车的应用中最为显着。与深度神经网络形式的自学代理相关的主要挑战是它们的黑盒性质:人类不可能解释深度神经网络。因此,人类无法直接解释基于深度神经网络的代理的动作,或者预见它们在不同场景中的鲁棒性。在这项工作中,我们展示了一种方法,用于探索自我学习代理在培训过程中内化的概念。为了演示,我们使用一个国际象棋代理在一个快速,轻便的环境中专门开发,适合研究小组,而无需访问巨大的计算资源或机器学习模型。
2022-11-10 cs.AI cs.LG
Sustained Impact of Agentic Personalisation in Marketing: A Longitudinal Case Study
aampe
本文通过纵向案例研究,探讨代理基础设施在大规模用户群中持续提升营销信息个性化效果的机制,发现主动管理与自主代理在不同阶段均能维持积极效果。
2026-04-09 cs.AI cs.HC cs.LG
Reinforcement Learning for Hardware Security: Opportunities, Developments, and Challenges
Texas A&M University(德克萨斯农工大学)
强化学习(RL)是一种机器学习范例,其中自主智能体通过与底层环境交互来学习做出最优决策序列。RL引导的工作流在解决电子设计自动化问题方面所展示的前景鼓励硬件安全研究人员利用自主RL代理来解决特定领域的问题。从硬件安全的角度来看,这种自主智能体很有吸引力,因为它们可以在未知的对抗环境中产生最佳动作。另一方面,集成电路供应链的持续全球化迫使芯片制造转向离岸、不可信的实体,导致对硬件安全性的担忧增加。此外,未知的对抗性环境和不断增加的设计复杂性使得防御者难以检测攻击者所做的细微修改(也称为“攻击者修改”)。硬件木马)。在这篇简短的文章中,我们概述了RL代理在检测硬件木马方面的发展,这是最具挑战性的硬件安全问题之一。此外,我们还概述了应用强化学习解决硬件安全问题的潜在机会并列出了挑战。
2022-08-29 cs.AI cs.CR cs.LG
RACE-SM: Reinforcement Learning Based Autonomous Control for Social On-Ramp Merging
School of Mechanical and Aerospace Engineering, Queen’s University Belfast(贝尔法斯特女王大学机械与航空航天工程学院)
针对人类驾驶交通中的平行式匝道合流难题,提出基于深度强化学习的新模型RACE-SM,利用社会价值取向加权自车与周围车辆效用,实现社会可接受的加速与变道决策,仿真证明其碰撞率不劣于现有方法且更具社交礼貌性。
2024-03-15 cs.AI cs.LG cs.RO
Autonomous UAV Flight Navigation in Confined Spaces: A Reinforcement Learning Approach
Department of Mechanical Engineering, University of São Paulo(机械工程系,圣保罗大学)
本文通过比较PPO和SAC在高保真模拟器中实现精确飞行,发现PPO在高精度安全导航任务中表现更优。
2025-10-11 cs.AI cs.LG cs.RO
So You Think You Can Scale Up Autonomous Robot Data Collection?
Stanford University(斯坦福大学)
本文通过实验证明,自主模仿学习在现实世界中扩展数据采集面临与强化学习类似的挑战,效果有限,而收集更多人类数据往往更有效,揭示了自主数据采集扩展的负面结果。
2024-11-04 cs.AI cs.RO
Hierarchical Decentralized Multi-Agent Coordination with Privacy-Preserving Knowledge Sharing: Extending AgentNet for Scalable Autonomous Systems
AgentNet++通过分层去中心化框架和隐私保护技术,提升多智能体系统的可扩展性和隐私保障,实现更高的任务完成率和更低的通信开销。
2026-10-06 cs.AI cs.MA
Towards General and Autonomous Learning of Core Skills: A Case Study in Locomotion
DeepMind;TU Darmstadt(达姆施塔特工业大学)
现代强化学习(RL)算法有望直接从原始感觉输入解决困难的运动控制问题。它们的吸引力部分是因为它们可以代表一种通用的方法,即使在人类专家难以或昂贵的情况下,也可以通过合理设置的奖励和最小的先验知识来学习解决方案。然而,为了让RL真正实现这一承诺,我们需要算法和学习设置,这些算法和学习设置可以在最小的问题特定调整或工程的情况下解决广泛的问题。在本文中,我们研究这种思想的一般性在运动域。我们开发了一个学习框架,可以学习复杂的运动行为的广泛的足式机器人,如两足动物,三足动物,四足动物和六足动物,包括轮式变种。我们的学习框架依赖于一个数据高效的、非策略的多任务RL算法和一小组在机器人之间语义相同的奖励函数。为了强调该方法的普遍适用性,我们在实验中保持超参数设置和奖励定义不变,并完全依赖于板载传感。对于九种不同类型的机器人,包括现实世界中的四足机器人,我们证明了相同的算法可以快速学习不同的和可重复使用的运动技能,而无需任何平台特定的调整或额外的仪器的学习设置。
2020-08-06 cs.AI cs.LG cs.RO
GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior Prediction
Texas A&M University(德克萨斯农工大学)
本研究首次在自动驾驶行人行为预测场景下定量定性评估GPT-4V,其零样本准确率达57%,虽具备复杂场景解读等能力,但仍落后于领域专用模型,且存在小行人检测等挑战。
2024-01-25 cs.AI cs.CV cs.RO
Aleks: AI powered Multi Agent System for Autonomous Scientific Discovery via Data-Driven Approaches in Plant Science
School of Electrical and Computer Engineering(电气与计算机工程学院);Cornell University(康奈尔大学);Horticulture Section, School of Integrative Plant Science, Cornell AgriTech(植物科学整合学院园艺部门,康奈尔农业科技);PPPMB Section, School of Integrative Plant Science, Cornell AgriTech(植物科学整合学院PPPMB部门,康奈尔农业科技)
本文提出AI多智能体系统Aleks,通过整合领域知识、数据分析与机器学习,在无人工干预下自主迭代完成数据驱动科学发现,并在葡萄红斑病案例中验证了其识别生物学特征和构建可解释模型的能力。
2025-08-26 cs.AI cs.SY eess.SY
Democratizing Drug Discovery with an Orchestrated, Knowledge-Driven Multi-Agent Team for User-Guided Therapeutic Design
Institute of Science Tokyo(东京科学大学);Kyoto University(京都大学)
OrchestRA通过协同、知识驱动的多智能体团队,整合生物学、化学和药理学,实现药物发现的自主化与民主化,推动其从随机搜索向可编程证据工程转型。
2025-12-25 cs.AI cs.MA q-bio.QM
JANUS: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
State Key Laboratory of AI Safety, Institute of Computing Technology, CAS(中国科学院计算技术研究所人工智能安全国家重点实验室);University of Chinese Academy of Sciences (CAS)(中国科学院大学)
JANUS是通过协同进化世界模型驱动预测-验证-进化循环的框架,在MLS-Bench-Lite等任务上显著优于现有最优基线,提升了长周期自主研究的进化效率与上限。
2026-10-12 cs.AI cs.CL cs.MA
Connected Autonomous Vehicle Motion Planning with Video Predictions from Smart, Self-Supervised Infrastructure
Stanford University(斯坦福大学);Georgia Institute of Technology(佐治亚理工学院);University of Texas at Austin(德克萨斯大学奥斯汀分校)
本研究利用智能基础设施的自监督传感器框架(SSTA),通过预测未来占用情况而非原始视频来减少数据足迹,并将其集成到规划框架中,有效辅助网联自动驾驶车辆在复杂城市环境中的运动规划。
2023-09-14 cs.AI cs.RO
Agentic LLMs in the Supply Chain: Towards Autonomous Multi-Agent Consensus-Seeking
ETH Zurich(苏黎世联邦理工学院);University of Cambridge(剑桥大学);The Alan Turing Institute(艾伦·图灵研究所)
本文探讨了利用大型语言模型(LLMs)自动化供应链管理中的共识寻求,提出了自主LLM智能体及特定于供应链的新型共识寻求框架,并通过库存管理案例验证了其有效性,同时开源代码以推动该领域发展。
2024-11-15 cs.AI
Helmsman: Autonomous Synthesis of Federated Learning Systems via Collaborative LLM Agents
Eindhoven University of Technology(埃因霍温理工大学)
Helmsman通过协作LLM代理实现联邦学习系统的自主合成,提供端到端的自动化解决方案,生成性能优于传统手工基线。
2025-12-19 cs.AI
Photonic Accelerators for Image Segmentation in Autonomous Driving and Defect Detection
Lightmatter Inc.(Lightmatter公司);Corning Inc.(康宁公司)
该研究探索光子加速器在图像分割任务中的应用,分析适配的DNN架构、运行的吞吐量与能效及权衡,验证部分模型精度损失可忽略并给出精度恢复方案,同时讨论相关挑战与优化方向。
2023-10-03 cs.AI cs.CV
From Data to Theory: Autonomous Large Language Model Agents for Materials Science
University of Michigan(密歇根大学)
本文提出自主LLM代理用于材料理论开发,能自主选择方程形式并验证理论准确性,展示其在AI辅助科学发现中的潜力与局限。
2026-04-01 cond-mat.mtrl-sci cs.AI
AutoLabs: Cognitive Multi-Agent Systems with Self-Correction for Autonomous Chemical Experimentation
Pacific Northwest National Laboratory(太平洋西北国家实验室)
提出AutoLabs多智能体自纠正架构,将自然语言化学实验指令转化为液体处理仪协议,并通过20种配置消融证明推理、多智能体与自纠正可显著提升准确性。
2025-09-30 cs.AI
CowPilot: A Framework for Autonomous and Human-Agent Collaborative Web Navigation
School of Computer Science, Carnegie Mellon University(计算机科学系,卡内基梅隆大学)
CowPilot通过自主与人机协作机制提升网页导航效率,实现95%的任务成功率,减少人类操作步骤至15.2%
2026-02-27 cs.AI cs.CL cs.HC