AI Agent

Multi-Agent gatekeeper: Safe Flight Planning and Formation Control for Urban Air Mobility

多智能体守门人：面向城市空中交通的安全飞行规划与编队控制

Thomas Marshall Vielmetti, Devansh R Agrawal, Dimitra Panagou

机构 * Department of Electrical & Computer Engineering（电气与计算机工程系） ； Department of Robotics（机器人学系） ； Department of Robotics and Department of Aerospace Engineering（机器人学系和航空航天工程系） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(title)

AI总结 多智能体守门人框架通过安全轨迹备份和碰撞避免算法，实现城市空中交通中的安全飞行规划与编队控制。

Comments 13 pages, 4 figures, to appear AIAA SciTech 2026

EnergyTwin: A Multi-Agent System for Simulating and Coordinating Energy Microgrids

EnergyTwin: 一种用于模拟和协调能源微电网的多智能体系统

Jakub Muszyński, Ignacy Walużenicz, Patryk Zan, Zofia Wrona, Maria Ganzha, Marcin Paprzycki, Costin Bădică

机构 * Warsaw University of Technology（华沙技术大学） ； Systems research Institute Polish Academy of Sciences（波兰科学院系统研究 institute） ； University of Technology and Arts（技术与艺术大学） ； University of Craiova（克劳日瓦大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.SE

AI总结 EnergyTwin是一种基于智能体的微电网模拟环境，结合物理建模与预测驱动的滚动时间规划，用于提升微电网的韧性和能源自给率。

KOM: A Multi-Agent Artificial Intelligence System for Precision Management of Knee Osteoarthritis (KOA)

KOM：一种用于膝骨关节炎（KOA）精准管理的多智能体人工智能系统

Weizhi Liu, Xi Chen, Zekun Jiang, Liang Zhao, Kunyuan Jiang, Ruisi Tang, Li Wang, Mingke You, Hanyu Zhou, Hongyu Chen, Qiankun Xiong, Yong Nie, Kang Li, Jian Li

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 KOM通过多智能体系统实现膝骨关节炎的自动化评估与管理，提升诊疗效率和个性化治疗质量。

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing

AirFed: 一种基于联邦图增强的多智能体强化学习框架，用于多无人机协同移动边缘计算

Zhiyu Wang, Suman Raj, Rajkumar Buyya

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.LG

AI总结 AirFed通过联邦图增强的多智能体强化学习框架，解决多无人机协同移动边缘计算中的轨迹规划、任务卸载和资源分配问题，实现高效知识共享和显著性能提升。

On Feasible Rewards in Multi-Agent Inverse Reinforcement Learning

多智能体逆强化学习中的可行奖励

Till Freihaut, Giorgia Ramponi

机构 * Department of Computer Science University of Zurich（计算机科学系苏黎世大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出熵正则化的马尔可夫博弈，解决多智能体逆强化学习中奖励函数的可行集问题，并分析误差对策略学习的影响。

Comments Currently under review

Trust-Based Social Learning for Communication (TSLEC) Protocol Evolution in Multi-Agent Reinforcement Learning

基于信任的社会学习的通信（TSLEC）协议进化在多智能体强化学习中

Abraham Itzhak Weinberg

机构 * AI-WEINBERG, AI Experts, Tel Aviv, Israel（AI-WEINBERG，AI专家，特拉维夫，以色列） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 TSLEC通过基于信任的社会学习方法，在多智能体强化学习中加速新兴通信，减少收敛次数并提高协议的稳健性。

Exponential Consensus through Z-Control in High-Order Multi-Agent Systems

通过Z控制实现高阶多智能体系统的指数一致性

Angela Monti, Fasma Diele

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出Z控制策略，用于实现高阶多智能体系统的指数一致性，通过理论分析和实验验证其在不同交互模式下的鲁棒性和灵活性。

VIL2C: Value-of-Information Aware Low-Latency Communication for Multi-Agent Reinforcement Learning

VIL2C: 价值-信息感知的低延迟通信用于多智能体强化学习

Qian Zhang, Zhuo Sun, Yao Zhang, Zhiwen Yu, Bin Guo, Jun Zhang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 VIL2C通过价值-信息感知的低延迟通信机制，优化资源分配与接收时间，提升多智能体强化学习性能。

Active Secure Neighbor Selection in Multi-Agent Systems with Byzantine Attacks

多智能体系统中对抗攻击下的主动安全邻居选择

Jinming Gao, Yijing Wang, Wentao Zhang, Rui Zhao, Yang Shi, Zhiqiang Zuo

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种多智能体系统中对抗攻击下的主动安全邻居选择策略，通过动态选择邻居以实现鲁棒共识，减少通信开销并保持系统稳定性。

Agentic AI-Empowered Conversational Embodied Intelligence Networks in 6G

基于代理AI的6G时代对话具身智能网络

Mingkai Chen, Zijie Feng, Lei Wang, Yaser Khamayseh

机构 * Key Laboratory of Broadband Wireless Communication and Sensor Network Technology（宽带无线通信与传感网络技术重点实验室） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； College of Technological Innovation（技术创新学院） 纠错

专题命中 多智能体 ：agentic(title)；分类 cs.AI

AI总结 本文提出一种基于代理AI的6G时代对话具身智能网络，通过多模态融合、自适应通信和可解释性模块，提升复杂任务执行效率与语义一致性。

Comments 7 pages, 8 figures. Preprint submitted to IEEE Vehicle Technology Magazine

Exploring Urban Air Mobility Adoption Potential in San Francisco Bay Area Region: A Systems of Systems Level Case Study on Passenger Waiting Times and Travel Efficiency

探索旧金山湾地区城市空气交通采用潜力：一种针对乘客等待时间和旅行效率的系统-of-systems级案例研究

Winfrey Paul Sagayam Dennis

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本研究通过多智能体模拟分析旧金山湾地区城市空气交通在缓解交通拥堵方面的潜力，发现高峰时段使用UAM可将总旅行时间减少80%。

One Action Too Many: Inapproximability of Budgeted Combinatorial Contracts

一个动作太多：预算组合合同的近似性问题

Michal Feldman, Yoav Gal-Tzur, Tomasz Ponitka, Maya Schlesinger

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 研究了预算组合合同中亚模函数奖励的近似性问题，发现其无法在有限因子内近似，但gross substitutes奖励可获得多项式时间O(1)近似，同时展示了加性奖励的FPTAS。

Comments Accepted to ITCS 2026

Anytime-Feasible First-Order Optimization via Safe Sequential QCQP

通过安全序列二次约束二次规划实现随时可行的一阶优化

Jiarui Wang, Mahyar Fazlyab

机构 * Department of Electrical and Computer Engineering, Johns Hopkins University（电气与计算机工程系，约翰霍普金斯大学） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出了一种保证每次迭代可行性的安全序列二次约束二次规划算法，通过自适应步长选择和主动集变种提升可扩展性，展现$O(1/t)$收敛速度并达到与二阶求解器相当的解质量。