AI Agent

Enhanced Parcel Arrival Forecasting for Logistic Hubs: An Ensemble Deep Learning Approach

增强型物流枢纽包裹到达预测：一种集成深度学习方法

Xinyue Pan, Yujia Xu, Benoit Montreuil

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出了一种集成深度学习方法，用于增强物流枢纽的包裹到达预测，通过结合历史数据和实时信息提升预测准确性，以优化物流运营效率。

AROLA: A Modular Layered Architecture for Scaled Autonomous Racing

AROLA：一种用于大规模自主赛车的模块化分层架构

Fam Shihata, Mohammed Abdelazim, Ahmed Hussein

机构 * German International University in Berlin (GIU Berlin)（柏林德国国际大学） ； IAV GmbH 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.SE

AI总结 AROLA是一种模块化分层架构，通过标准化接口实现自动驾驶流水线的模块化，提升大规模自主赛车的开发效率和可重复性。

Comments 6 pages, 6 figures, IV 2026

Hierarchical Entity-centric Reinforcement Learning with Factored Subgoal Diffusion

分层实体导向强化学习与分因子子目标扩散

Dan Haramati, Carl Qi, Tal Daniel, Amy Zhang, Aviv Tamar, George Konidaris

机构 * Brown University（布朗大学） ； UT Austin（得克萨斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Technion（技术学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出分层实体导向强化学习方法，通过分因子子目标生成模型提升多实体领域中长周期任务的性能。

Comments ICLR 2026

Formulating Reinforcement Learning for Human-Robot Collaboration through Off-Policy Evaluation

通过离策略评估制定人机协作的强化学习

Saurav Singh, Rodney Sanchez, Alexander Ororbia, Jamison Heard

专题命中 规划决策 ：autonomous agent(abstract)；分类 cs.LG

AI总结 本文提出通过离策略评估方法，利用记录数据自动选择状态空间和奖励函数，提升现实环境中人机协作的强化学习可行性与可扩展性。

A Neural Operator Emulator for Coastal and Riverine Shallow Water Dynamics

用于海岸和河流浅水动力学的神经运算符模拟器

Peter Rivera-Casillas, Sourav Dutta, Shukai Cai, Mark Loveland, Kamaljyoti Nath, Khemraj Shukla, Corey Trahan, Jonghyun Lee, Matthew Farthing, Clint Dawson

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 MITONet是一种用于海岸和河流浅水动力学的自回归神经模拟器，通过潜在空间运算符学习高效近似高维数值求解器，实现高精度预测和快速计算。

Digital-Twin Empowered Deep Reinforcement Learning For Site-Specific Radio Resource Management in NextG Wireless Aerial Corridor

数字孪生赋能的深度强化学习用于NextG无线空中走廊的特定站点无线电资源管理

Pulok Tarafder, Zoheb Hassan, Imtiaz Ahmed, Danda B. Rawat, Kamrul Hasan, Cong Pu

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出基于数字孪生的深度强化学习框架，用于NextG无线空中走廊的特定站点无线电资源管理，通过两阶段优化实现高效决策。

Comments Submitted for possible publication to IEEE. Paper currently under review. The contents of this paper may change at any time without notice

BridgeV2W: Bridging Video Generation Models to Embodied World Models via Embodiment Masks

BridgeV2W: 通过具身遮罩将视频生成模型与具身世界模型 bridging

Yixiang Chen, Peiyan Li, Jiabing Yang, Keji He, Xiangnan Wu, Yuan Xu, Kai Wang, Jing Liu, Nianfeng Liu, Yan Huang, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences（模式识别新实验室（NLPR），自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Shandong University（山东大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 BridgeV2W 通过具身遮罩将视频生成模型与具身世界模型结合，解决坐标空间动作与像素空间视频的不匹配问题，并提升视频生成质量与跨具身统一性。

When Should Agents Coordinate in Differentiable Sequential Decision Problems?

在可微顺序决策问题中，代理何时应协调？

Caleb Probine, Su Ann Low, David Fridovich-Keil, Ufuk Topcu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究探讨了在可微顺序决策问题中，如何通过分析代理目标的二阶性质来决定何时团队应协调，以提高整体性能。

Comments 15 content pages, 2 pages for references, 4 figures

PALM: PAnoramic Learning Map Integrating Learning Analytics and Curriculum Map for Scalable Insights Across Courses

PALM：全景学习地图整合学习分析与课程地图，实现跨课程的可扩展洞察

Mahiro Ozaki, Li Chen, Shotaro Naganuma, Valdemar Švábenský, Fumiya Okubo, Atsushi Shimada

专题命中 规划决策 ：planning(abstract)

AI总结 PALM通过整合学习分析与课程地图，提供跨课程的可扩展洞察，提升学习者自我调节能力与参与度。

Comments Full paper published in the Proceedings of the IEEE SMC 2025 conference

Collision Detection with Analytical Derivatives of Contact Kinematics

基于接触运动学分析导数的碰撞检测

Anup Teejo Mathew, Anees Peringal, Daniele Caradonna, Frederic Boyer, Federico Renda

机构 * Department of Mechanical and Nuclear Engineering, Khalifa University of Science and Technology（卡利法大学科学与技术学院机械与核工程系） ； Khalifa University Center for Autonomous Robotic Systems (KUCARS)（卡利法大学自主机器人系统中心） ； The BioRobotics Institute, Scuola Superiore Sant’Anna（圣安娜高等学院生物机器人研究所） ； Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna（圣安娜高等学院机器人与人工智能卓越部门） ； LS2N Laboratory, Institut Mines Telecom Atlantique（Atlantique电信学院LS2N实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 iDCOL通过几何正则化和隐式可微框架实现鲁棒的碰撞检测与接触运动学计算，适用于路径规划和接触物理模拟。

Comments 12 pages, 9 figures, 2 tables

Hierarchical Proportion Models for Motion Generation via Integration of Motion Primitives

基于运动原语整合的分层比例模型用于运动生成

Yu-Han Shu, Toshiaki Tsuji, Sho Sakaino

机构 * Intelligent and Mechanical Interaction Systems（智能与机械交互系统） ； University of Tsukuba（东京大学） ； Science and Engineering（科学与工程） ； Saitama University（上野大学） ； Systems and Information Engineering（系统与信息工程） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于运动原语整合的分层比例模型，通过整合比例基于的运动合成提升机器人运动生成的效率和适应性。

Comments 6 pages, 9 figures. Accepted for publication in IEEE AMC 2026

Latent Perspective-Taking via a Schrödinger Bridge in Influence-Augmented Local Models

通过影响增强的局部模型实现潜在的视角转换

Kevin Alcedo, Pedro U. Lima, Rachid Alami

机构 * Institute for Systems and Robotics（系统与机器人研究所） ； Universidade de Lisboa（里斯本大学） ； LAAS-CNRS（拉沙尔国家研究中心） ； Artificial and Natural Intelligence Toulouse Institute (ANITI)（图卢兹人工智能与自然智能研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于影响增强的局部模型和施罗德桥的神经符号框架，用于实现机器人在社交交互中的心理状态推断和决策规划。

Comments Extended Abstract & Poster, Presented at World Modeling Workshop 2026

Kino-PAX$^+$: Near-Optimal Massively Parallel Kinodynamic Sampling-based Motion Planner

Kino-PAX$^+$：近最优大规模并行运动规划器

Nicolas Perrault, Qi Heng Ho, Morteza Lahijanian

机构 * Department of Aerospace Engineering Sciences, University of Colorado Boulder（航空航天工程科学系，科罗拉多大学博尔德分校） ； Department of Aerospace and Ocean Engineering, Virginia Tech（航空航天与海洋工程系，弗吉尼亚理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 Kino-PAX$^+$是一种具有渐近近最优保证的并行运动规划器，通过并行计算显著提高了速度和解决方案质量。

Comments 10 pages, 8 figures

Super-Resolution and Denoising of Corneal B-Scan OCT Imaging Using Diffusion Model Plug-and-Play Priors

利用扩散模型插件式先验进行角膜B扫OCT影像的超分辨率和去噪

Yaning Wang, Jinglun Yu, Wenhan Guo, Ziyi Huang, Rosalinda Xiong, Yu Sun, Jin U. Kang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用扩散模型插件式先验提升角膜B扫OCT影像的分辨率和去噪能力，通过贝叶斯逆问题和预训练生成先验实现高保真成像。

Journal ref Proceedings of SPIE, Vol. 13865, 13865-67 (2026)

Real-World Applications of AI in LTE and 5G-NR Network Infrastructure

AI在LTE和5G-NR网络基础设施中的实际应用

Simran Saxena, Arpad Kovesdy

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用AI技术优化LTE和5G-NR网络，通过AI辅助规划、强化学习优化和边缘托管模型，提升网络性能并扩大数字服务的可及性。

Comments 6 pages and 3 figures

GSR: Learning Structured Reasoning for Embodied Manipulation

GSR：为具身操作学习结构化推理

Kewei Hu, Michael Zhang, Wei Ying, Tianhao Liu, Guoqiang Hao, Zimeng Li, Wanchan Yu, Jiajian Jing, Fangwen Chen, Hanwen Kang

机构 * Klmmotion 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 GSR通过显式建模世界状态演变，提升具身操作中长周期任务的完成能力和零样本泛化性能。

A Novel Hierarchical Co-Optimization Framework for Coordinated Task Scheduling and Power Dispatch in Computing Power Networks

一种用于计算能力网络中协调任务调度与电力调度的新型分层联合优化框架

Haoxiang Luo, Kun Yang, Qi Huang, Marco Aiello, Schahram Dustdar

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出一种新型分层联合优化框架，用于优化计算能力网络中的任务调度与电力调度，显著降低碳排放和运营成本，同时提高能源利用效率。

Compatibility of Missing Data Handling Methods across the Stages of Producing Clinical Prediction Models

临床预测模型各阶段处理缺失数据方法的兼容性

Antonia Tsvetanova, Matthew Sperrin, David A. Jenkins, Niels Peek, Iain Buchan, Stephanie Hyland, Marcus Taylor, Angela Wood, Richard D. Riley, Glen P. Martin

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了临床预测模型各阶段处理缺失数据方法的兼容性，指出在部署时允许缺失的情况下，开发和验证需使用相同插补方法，否则会导致预测性能偏倚。

Comments 40 pages, 6 figures (6 supplementary figures)

OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering

OptiPMB：通过优化的泊松多伯努利滤波增强3D多目标跟踪

Guanhua Ding, Yuxuan Xia, Runwei Guan, Qinchen Wu, Tao Huang, Weiping Ding, Jinping Sun, Guoqiang Mao

机构 * School of Electronic Information Engineering, Beihang University（电子信息工程学院，北京航空航天大学） ； School of Automation and Intelligent Sensing, Shanghai Jiaotong University（自动化与智能感知学院，上海交通大学） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科技大学） ； College of Science and Engineering, James Cook University（科学与工程学院，詹姆斯库克大学） ； School of Artificial Intelligence and Computer Science, Nantong University（人工智能与计算机科学学院，南通大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； Research Laboratory of Smart Driving and Intelligent Transportation Systems, Southeast University（智能驾驶与智能交通系统研究实验室，东南大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 OptiPMB通过优化的泊松多伯努利滤波器和创新设计提升3D多目标跟踪的准确性与性能

Med-PU: Point Cloud Upsampling for High-Fidelity 3D Medical Shape Reconstruction

Med-PU：用于高保真3D医学形状重建的点云上采样

Tongxu Zhang, Bei Wang

机构 * East China University of Science and Technology（东华大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 Med-PU通过整合体素分割与点云上采样，实现了高保真3D医学形状重建，提升了表面质量和解剖保真度，适用于多种解剖区域。

Cognitively Diverse Multiple-Choice Question Generation: A Hybrid Multi-Agent Framework with Large Language Models

具有大语言模型的混合多智能体框架的认知多样性多项选择题生成

Yu Tian, Linh Huynh, Katerina Christhilf, Shubham Chakraborty, Micah Watanabe, Tracy Arner, Danielle McNamara

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 ReQUESTA通过混合多智能体框架生成认知多样化的多项选择题，提升生成的题目难度、区分度和语义一致性。

Comments This manuscript is under review at Electronics

IMAGINE: Intelligent Multi-Agent Godot-based Indoor Networked Exploration

IMAGINE: 基于 Godot 的智能多智能体室内网络探索

Tiago Leite, Maria Conceição, António Grilo

机构 * Institute for Systems and Robotics（系统研究所） 纠错

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

AI总结 本文提出基于Godot的多智能体强化学习方法，用于解决室内未知环境中的自主协作探索问题，通过高保真模拟和课程学习提升训练效率与鲁棒性。

Comments 12 pages, submitted to a journal

Game-Theoretic and Algorithmic Analyses of Multi-Agent Routing under Crossing Costs

在交叉成本下的多智能体路由的博弈论与算法分析

Tesshu Hanaka, Nikolaos Melissinos, Hirotaka Ono

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

AI总结 本文提出了一种基于交叉成本的多智能体路由模型，结合博弈论与算法分析，解决了去中心化协调中的拥堵和延迟问题。

Comments Accepted as extended abstract at AAMAS 2026

ME-IGM: Individual-Global-Max in Maximum Entropy Multi-Agent Reinforcement Learning

ME-IGM：最大熵多智能体强化学习中的个体-全局-最大

Wen-Tse Chen, Yuxuan Li, Shiyu Huang, Jiayu Chen, Jeff Schneider

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； XPeng Inc.（XPeng公司） ； The University of Hong Kong（香港大学） ； INFIFORCE Intelligent Tech. Co., Ltd.（INFIFORCE智能科技有限公司） 纠错

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

AI总结 ME-IGM是一种结合最大熵探索与IGM条件的新型多智能体强化学习算法，通过解决局部策略与联合策略不一致问题，提升探索效率和性能。

Comments Published in the Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

Journal ref Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026), Paphos, Cyprus, May 25 - 29, 2026, IFAAMAS, 19 pages

Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity

通过多样性理解基于大语言模型的多智能体系统中的智能体扩展

Yingxuan Yang, Chengrui Qu, Muning Wen, Laixi Shi, Ying Wen, Weinan Zhang, Adam Wierman, Shangding Gu

机构 * Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文通过引入K*指标，揭示了基于大语言模型的多智能体系统中，异质性智能体配置比同质配置更有效，且性能受任务不确定性限制。

MAS-ProVe: Understanding the Process Verification of Multi-Agent Systems

MAS-ProVe: 理解多智能体系统的进程验证

Vishal Venkataramani, Haizhou Shi, Zixuan Ke, Austin Xu, Xiaoxiao He, Yingbo Zhou, Semih Yavuz, Hao Wang, Shafiq Joty

机构 * Rutgers University（罗杰斯大学） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

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

AI总结 MAS-ProVe研究多智能体系统进程验证的有效性，发现LLM作为法官表现优于奖励方法，但验证过程仍面临上下文长度与性能的权衡问题。

Comments Preprint; work in progress

WideSeek: Advancing Wide Research via Multi-Agent Scaling

WideSeek: 通过多智能体扩展推进宽研究

Ziyang Huang, Haolin Ren, Xiaowei Yuan, Jiawei Wang, Zhongtao Jiang, Kun Xu, Shizhu He, Jun Zhao, Kang Liu

机构 * 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） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 WideSeek通过多智能体扩展和统一训练框架，提升宽研究的效率与效果。

ContextEvolve: Multi-Agent Context Compression for Systems Code Optimization

ContextEvolve: 多智能体上下文压缩用于系统代码优化

Hongyuan Su, Yu Zheng, Yong Li

机构 * Tsinghua University, Beijing, China（清华大学） ； Zhongguancun Academy, Beijing, China（中关村学院） ； Massachusetts Institute of Technology, Cambridge MA, USA（麻省理工学院） 纠错

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

AI总结 ContextEvolve通过多智能体框架实现系统代码优化，利用上下文压缩提升搜索效率，实验表明其在ADRS基准测试中性能提升显著。

Experience-Driven Multi-Agent Systems Are Training-free Context-aware Earth Observers

基于经验的多智能体系统是无需训练的上下文感知地球观测者

Pengyu Dai, Weihao Xuan, Junjue Wang, Hongruixuan Chen, Jian Song, Yafei Ou, Naoto Yokoya

机构 * The University of Tokyo（东京大学） ； RIKEN AIP（日本理化学研究所AIP） ； Hokkaido University（北海道大学） 纠错

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

AI总结 GeoEvolver通过结构化交互使LLM代理无需训练即可获得地球观测专业知识，提升复杂任务的成功率。

Comments 21 pages, 6 figures

Rank-and-Reason: Multi-Agent Collaboration Accelerates Zero-Shot Protein Mutation Prediction

Rank-and-Reason: 多智能体协作加速零样本蛋白质突变预测

Yang Tan, Yuanxi Yu, Can Wu, Bozitao Zhong, Mingchen Li, Guisheng Fan, Jiankang Zhu, Yafeng Liang, Nanqing Dong, Liang Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Southern University of Science（南方大学（科学）） ； East China University of Science and Technology（东中国科学与技术大学） 纠错

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

AI总结 Rank-and-Reason通过多智能体协作提升零样本蛋白质突变预测的准确性与效率，显著提高湿实验验证的成功率。

Comments 22 pages, 5 figures, 15 tables