AI Agent

MobileWorld: Benchmarking Autonomous Mobile Agents in Agent-User Interactive and MCP-Augmented Environments

MobileWorld: 用于Agent-用户交互和MCP增强环境中的自主移动代理基准测试

Quyu Kong, Xu Zhang, Zhenyu Yang, Nolan Gao, Chen Liu, Panrong Tong, Chenglin Cai, Hanzhang Zhou, Jianan Zhang, Liangyu Chen, Zhidan Liu, Steven Hoi, Yue Wang

机构 * Tongyi Lab , Alibaba Group（通义实验室，阿里巴巴集团） ； HKUST (GZ)（香港科技大学（广州）） ； University of Florida（佛罗里达大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；agentic(abstract)；分类 cs.CL

AI总结 MobileWorld通过201个任务和20个应用的挑战性基准测试，评估代理在用户交互和MCP增强环境中的表现，揭示了与AndroidWorld相比的显著性能下降。

Hybrid Motion Planning with Deep Reinforcement Learning for Mobile Robot Navigation

基于深度强化学习的混合运动规划用于移动机器人导航

Yury Kolomeytsev, Dmitry Golembiovsky

机构 * Department of Computational Mathematics and Cybernetics（计算数学与自动化系） ； Lomonosov Moscow State University（罗蒙诺夫莫斯科国立大学） 纠错

专题命中 GUI与网页智能体 ：planning(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出HMP-DRL，结合基于图的全局规划与深度强化学习，提升移动机器人在复杂环境中的导航安全性和可靠性。

Comments 22 pages, 4 figures

DAVE: A VLM Vision Encoder for Document Understanding and Web Agents

DAVE: 一种用于文档理解与网络代理的视觉编码器

Brandon Huang, Hang Hua, Zhuoran Yu, Trevor Darrell, Rogerio Feris, Roei Herzig

机构 * MIT-IBM Watson AI Lab（MIT-IBM Watson AI实验室） ； UC Berkeley（加州大学伯克利分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；agentic(abstract)

AI总结 DAVE是一种专为文档理解和网络代理设计的视觉编码器，通过自监督和监督预训练结合模型融合策略，提升对文档和网络任务的适应性与性能。

AINav: Large Language Model-Based Adaptive Interactive Navigation

AINav: 基于大语言模型的自适应交互导航

Kangjie Zhou, Yao Mu, Haoyang Song, Yi Zeng, Pengying Wu, Han Gao, Chang Liu

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； AI Institute, School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机学院人工智能研究所） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.AI

AI总结 AINav通过基于大语言模型的自适应交互导航方法，实现复杂环境中的路径规划与目标达成。

Comments 13 pages, 12 figures, accepted to IEEE Robotics & Automation Magazine