AI Agent

WorldTravel: A Realistic Multimodal Travel-Planning Benchmark with Tightly Coupled Constraints

WorldTravel: 一个具有紧密耦合约束的现实多模态旅行规划基准

Zexuan Wang, Chenghao Yang, Yingqi Que, Zhenzhu Yang, Huaqing Yuan, Yiwen Wang, Zhengxuan Jiang, Shengjie Fang, Zhenhe Wu, Zhaohui Wang, Zhixin Yao, Jiashuo Liu, Jincheng Ren, Yuzhen Li, Yang Yang, Jiaheng Liu, Jian Yang, Zaiyuan Wang, Ge Zhang, Zhoufutu Wen, Wenhao Huang

机构 * ByteDance Seed（字节跳动种子） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL

AI总结 WorldTravel提出一个现实多模态旅行规划基准，揭示了智能体在紧密耦合约束下的感知-行动差距和规划时间阈值问题。

Efficient Planning in Reinforcement Learning via Model Introspection

通过模型内省实现强化学习中的高效规划

Gabriel Stella

机构 * Texasm A\&M University College Station, TX USA ； Texasm A\&M University 纠错

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

AI总结 本文提出通过程序分析实现强化学习中的高效规划，展示了内省在任务解决中的作用，并建立了强化学习与经典规划的联系。

RAPTOR-AI for Disaster OODA Loop: Hierarchical Multimodal RAG with Experience-Driven Agentic Decision-Making

RAPTOR-AI用于灾难OODA循环：基于经验驱动的多模态RAG框架

Takato Yasuno

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.LG

AI总结 RAPTOR-AI通过分层多模态RAG框架，结合经验驱动的代理控制和LoRA适应，提升灾害响应中的检索精度、情境基础性和任务分解准确性。

Comments 8 pages, 3 figures, 2 tables

UniPlan: Vision-Language Task Planning for Mobile Manipulation with Unified PDDL Formulation

UniPlan: 为移动操作统一PDDL形式的视觉-语言任务规划

Haoming Ye, Yunxiao Xiao, Cewu Lu, Panpan Cai

专题命中 规划决策 ：planning(title,abstract)

AI总结 UniPlan通过统一PDDL形式实现视觉-语言任务规划，提升大规模室内移动操作的规划效率和效果。

MomaGraph: State-Aware Unified Scene Graphs with Vision-Language Model for Embodied Task Planning

MomaGraph: 体感任务规划中的状态感知统一场景图

Yuanchen Ju, Yongyuan Liang, Yen-Jen Wang, Nandiraju Gireesh, Yuanliang Ju, Seungjae Lee, Qiao Gu, Elvis Hsieh, Furong Huang, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Toronto（多伦多大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 MomaGraph通过统一场景图与强化学习模型，实现家庭环境中体感任务规划的高效任务规划与场景理解。

Comments 25 pages, 10 figures. Project page:https://hybridrobotics.github.io/MomaGraph/

Feasibility-Guided Planning over Multi-Specialized Locomotion Policies

多专业运动策略的可行性引导规划

Ying-Sheng Luo, Lu-Ching Wang, Hanjaya Mandala, Yu-Lun Chou, Guilherme Christmann, Yu-Chung Chen, Yung-Shun Chan, Chun-Yi Lee, Wei-Chao Chen

机构 * National Taiwan University（国立台湾大学） ； Inventec Corporation（Inventec公司） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种可行性引导的规划框架，整合多个地形特定策略，通过Feasibility-Net预测可行性张量，实现高效可靠的路径规划。

Comments ICRA 2026

DeepPrep: An LLM-Powered Agentic System for Autonomous Data Preparation

DeepPrep: 一种基于大语言模型的自主数据准备代理系统

Meihao Fan, Ju Fan, Yuxin Zhang, Shaolei Zhang, Xiaoyong Du, Jie Song, Peng Li, Fuxin Jiang, Tieying Zhang, Jianjun Chen

专题命中 规划决策 ：agentic(title,abstract)

AI总结 DeepPrep通过基于树状代理推理和渐进式训练框架，实现高效且准确的数据准备，相比闭源模型具有更低的成本和更广的适用性。

Vision-Centric 4D Occupancy Forecasting and Planning via Implicit Residual World Models

基于隐式残差世界模型的视觉导向4D占用预测与规划

Jianbiao Mei, Yu Yang, Xuemeng Yang, Licheng Wen, Jiajun Lv, Botian Shi, Yong Liu

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出IR-WM，通过隐式残差世界模型提升自动驾驶中的4D占用预测与轨迹规划精度。

Comments ICRA 2026

Universal Solvability for Robot Motion Planning on Graphs

图上机器人运动规划的通用可解性

Anubhav Dhar, Pranav Nyati, Tanishq Prasad, Ashlesha Hota, Sudeshna Kolay

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究图上机器人运动规划的通用可解性问题，提出了一种高效算法及增强方法，解决了配置可达性和图增强的优化问题。

Comments accepted to AAMAS 2026

Airspace-aware Contingency Landing Planning

具有空域意识的应急着陆规划

H. Emre Tekaslan, Ella M. Atkins

机构 * Virginia Polytechnic Institute and State University（弗吉尼亚理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种实时应急着陆规划器，通过结合空域和地面风险评估，减少交通干扰并提高着陆效率。

Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories

基于阻抗的运动规划与视觉引导初始化用于自动驾驶实验室中的机械臂

Shifa Sulaiman, Tobias Jensen, Francesco Schetter, Simon Bøgh

机构 * Department of Electronics Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, Università degli Studi di Napoli Federico II（信息科技与电气工程系，那不勒斯费迪里奇二世大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于阻抗控制的运动规划方法，结合视觉引导初始化，实现机械臂在自动驾驶实验室中的自适应和安全操作。

Decision-dependent Robust Charging Infrastructure Planning for Light-duty Truck Electrification at Industrial Sites

面向工业场地轻型卡车电动化的决策依赖稳健充电基础设施规划

Yifu Ding, Ruicheng Ao, Pablo Duenas-Martinez, Thomas Magnanti

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种面向工业场地轻型卡车电动化的决策依赖稳健充电基础设施规划方法，通过机器学习和稳健优化技术，优化充电设施选址与调度，以减少温室气体排放。

SRR-Judge: Step-Level Rating and Refinement for Enhancing Search-Integrated Reasoning in Search Agents

SRR-Judge: 逐步评分与细化以增强搜索集成推理在搜索代理中的能力

Chen Zhang, Kuicai Dong, Dexun Li, Wenjun Li, Qu Yang, Wei Han, Yong Liu

机构 * Huawei Technologies（华为技术） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；workflow(abstract)；分类 cs.CL

AI总结 SRR-Judge通过逐步评分与细化提升搜索代理的搜索集成推理能力，通过迭代拒绝采样微调实现更可靠的评估和性能提升。

Cross-View World Models

跨视角世界模型

Rishabh Sharma, Gijs Hogervorst, Wayne E. Mackey, David J. Heeger, Stefano Martiniani

机构 * Simons Center for Computational Physical Chemistry（Simon计算物理化学中心） ； Center for Soft Matter Research, Department of Physics（软物质研究中心，物理系） ； Statespace Labs, Inc.（Statespace公司） ； Center for Neural Science, New York University（神经科学中心，纽约大学） ； Department of Psychology, New York University（心理学系，纽约大学） ； Courant Institute of Mathematical Sciences, New York University（Courant数学科学研究所，纽约大学） 纠错

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

AI总结 本文提出跨视角世界模型，通过多视角预测训练智能体在不同视角下进行规划，提升空间感知与多智能体协作能力。

Comments 12 pages, 7 figures

InternAgent-1.5: A Unified Agentic Framework for Long-Horizon Autonomous Scientific Discovery

InternAgent-1.5：一个用于长周期自主科学发现的统一代理框架

Shiyang Feng, Runmin Ma, Xiangchao Yan, Yue Fan, Yusong Hu, Songtao Huang, Shuaiyu Zhang, Zongsheng Cao, Tianshuo Peng, Jiakang Yuan, Zijie Guo, Zhijie Zhong, Shangheng Du, Weida Wang, Jinxin Shi, Yuhao Zhou, Xiaohan He, Zhiyin Yu, Fangchen Yu, Qihao Zheng, Jiamin Wu, Mianxin Liu, Chi Zhang, Shaowei Hou, Shuya Li, Yankai Jiang, Wenjie Lou, Lilong Wang, Zifu Wang, Jiong Wang, Wanghan Xu, Yue Deng, Dongrui Liu, Yiheng Wang, Wenlong Zhang, Fenghua Ling, Shufei Zhang, Xiaosong Wang, Shuangjia Zheng, Xun Huang, Siqi Sun, Shuyue Hu, Peng Ye, Chunfeng Song, Bin Wang, Conghui He, Yihao Liu, Xin Li, Qibin Hou, Tao Chen, Xiangyu Yue, Bin Wang, Liang He, Dahua Lin, Bowen Zhou, Bo Zhang, Lei Bai

专题命中 规划决策 ：agentic(title)；分类 cs.AI

AI总结 InternAgent-1.5通过统一框架实现长周期自主科学发现，具备算法设计和实验执行能力，在多个基准测试中表现优异。

Comments Code and project page: https://github.com/InternScience/InternAgent

On Reasoning Strength Planning in Large Reasoning Models

在大推理模型中关于推理强度规划的研究

Leheng Sheng, An Zhang, Zijian Wu, Weixiang Zhao, Changshuo Shen, Yi Zhang, Xiang Wang, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 本研究揭示了大推理模型通过预先分配方向向量来规划推理强度，为控制其推理行为提供了新方法。

Enhancing Mathematical Problem Solving in LLMs through Execution-Driven Reasoning Augmentation

通过执行驱动推理增强提升大语言模型的数学问题解决能力

Aditya Basarkar, Benyamin Tabarsi, Tiffany Barnes, Dongkuan Xu

机构 * North Carolina State University（北卡罗来纳州立大学） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 本研究提出IIPC方法，通过迭代优化程序推理链并结合执行反馈，提升大语言模型的数学问题解决能力。

Comments 9 pages, 7 figures, submitted to ACL ARR 2026, hyperlink to code repository provided in the abstract

A Mechanism-Based Planning Framework for Equitable and Merit-Preserving University Admissions

基于机制的公平且维持 merit 的大学录取框架

Jung-Ah Lee

专题命中 规划决策 ：planning(title)

AI总结 本文提出了一种基于机制的录取框架，通过调整 SES 分数来公平录取高 merit 个体，同时保持常规录取的稳定性。

Comments Revised version with a new section on 'Decision Spine' (Section 5) and refined methodology. Submitted to SEPS

An Adaptive Inspection Planning Approach Towards Routine Monitoring in Uncertain Environments

一种面向不确定环境常规监测的自适应检查规划方法

Vignesh Kottayam Viswanathan, Yifan Bai, Scott Fredriksson, Sumeet Satpute, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI, Luleå University of Technology（机器人与人工智能，卢勒奥技术大学） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本文提出了一种分层框架，用于在不确定环境中通过自适应检查规划实现常规监测。

Comments Accepted to ICRA 2026

CausalArmor: Efficient Indirect Prompt Injection Guardrails via Causal Attribution

CausalArmor: 通过因果归因实现高效的间接提示注入防护

Minbeom Kim, Mihir Parmar, Phillip Wallis, Lesly Miculicich, Kyomin Jung, Krishnamurthy Dj Dvijotham, Long T. Le, Tomas Pfister

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google（谷歌） ； Google Deepmind（谷歌DeepMind） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 CausalArmor通过因果归因实现高效间接提示注入防护，提升AI代理的安全性和效率。

AgentSys: Secure and Dynamic LLM Agents Through Explicit Hierarchical Memory Management

AgentSys: 通过显式分层内存管理实现安全且动态的LLM代理

Ruoyao Wen, Hao Li, Chaowei Xiao, Ning Zhang

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 规划决策 ：agent(abstract)；workflow(abstract)；分类 cs.AI

AI总结 AgentSys通过显式分层内存管理有效防御间接提示注入攻击，显著降低攻击成功率并提升LLM代理的安全性和动态性。

Comments 21 pages, 4 figures

W&D:Scaling Parallel Tool Calling for Efficient Deep Research Agents

W&D：通过并行工具调用提升深度研究代理的效率

Xiaoqiang Lin, Jun Hao Liew, Silvio Savarese, Junnan Li

机构 * Salesforce AI Research（Salesforce人工智能研究） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 W&D 通过并行工具调用提升深度研究代理效率，实现性能提升和减少回合数。

Federated Hierarchical Reinforcement Learning for Adaptive Traffic Signal Control

联邦分层强化学习用于自适应交通信号控制

Yongjie Fu, Lingyun Zhong, Zifan Li, Xuan Di

机构 * Department of Civil Engineering and Engineering Mechanics, Columbia University（哥伦比亚大学土木工程与工程力学系） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） ； Center for Smart Cities, Data Science Institute, Columbia University（哥伦比亚大学智能城市中心、数据科学研究所） ； Department of Electrical Engineering, Columbia University（哥伦比亚大学电气工程系） 纠错

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

AI总结 本文提出分层联邦强化学习方法，用于解决大规模异质交通信号控制中的协调与可扩展性问题，通过动态分组提升性能。

Decentralized Intent-Based Multi-Robot Task Planner with LLM Oracles on Hyperledger Fabric

基于Hyperledger Fabric的去中心化意图多机器人任务规划器与LLM预言机

Farhad Keramat, Salma Salimi, Tomi Westerlund

专题命中 规划决策 ：AI agent(abstract)；planning(abstract)

AI总结 本文提出基于Hyperledger Fabric的去中心化多机器人任务规划器，结合LLM预言机与新聚合方法，实现意图分解与多机器人协调。

Implicit Strategic Optimization: Rethinking Long-Horizon Decision-Making in Adversarial Poker Environments

隐式策略优化：重新思考对抗扑克环境中的长 horizon 决策

Boyang Xia, Weiyou Tian, Qingnan Ren, Jiaqi Huang, Jie Xiao, Shuo Lu, Kai Wang, Lynn Ai, Eric Yang, Bill Shi

机构 * Gradient 纠错

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

AI总结 本文提出隐式策略优化（ISO）框架，通过预测战略环境和结合战略奖励模型与乐观学习规则，提升对抗性扑克环境中的长 horizon 决策性能。

CoLF: Learning Consistent Leader-Follower Policies for Vision-Language-Guided Multi-Robot Cooperative Transport

CoLF: 为视觉-语言引导的多机器人协作运输学习一致的领导者-跟随者策略

Joachim Yann Despature, Kazuki Shibata, Takamitsu Matsubara

机构 * Division of Information Science, Graduate School of Science and Technology, Nara Institute of Science and Technology (NAIST)（信息科学系，科学技术研究生学校，科学与技术国立研究所（NAIST）） ； École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL）） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)

AI总结 CoLF 通过不对称策略和互信息训练目标，为多机器人协作运输提供稳定领导者-跟随者角色区分的强化学习框架。

Comments 9 pages, 5 figures

CoRefine: Confidence-Guided Self-Refinement for Adaptive Test-Time Compute

CoRefine: 基于置信度的自修正以适应测试时计算

Chen Jin, Ryutaro Tanno, Tom Diethe, Philip Teare

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL

AI总结 CoRefine通过置信度引导的自修正方法，在减少计算开销的同时提升推理准确性，适用于需要适应性测试时计算的场景。

NLP Sampling: Combining MCMC and NLP Methods for Diverse Constrained Sampling

NLP采样：结合MCMC和NLP方法进行多样化的受限采样

Marc Toussaint, Cornelius V. Braun, Joaquim Ortiz-Haro

机构 * Learning & Intelligent Systems Lab, TU Berlin（柏林技术大学学习与智能系统实验室） ； Machines in Motion Lab, New York University（纽约大学运动机器实验室） 纠错

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

AI总结 本文提出NLP采样框架，结合MCMC和NLP方法，解决多样化的受限采样问题，并通过实验验证其有效性。

DeltaKV: Residual-Based KV Cache Compression via Long-Range Similarity

DeltaKV: 基于残差的KV缓存压缩 via 长距离相似性

Jitai Hao, Qiang Huang, Yaowei Wang, Min Zhang, Jun Yu

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 DeltaKV通过残差编码减少KV缓存内存，提升长上下文LLM的部署效率。

Comments preprint

GrndCtrl: Grounding World Models via Self-Supervised Reward Alignment

GrndCtrl: 通过自监督奖励对齐实现世界模型的 grounding

Haoyang He, Jay Patrikar, Dong-Ki Kim, Max Smith, Daniel McGann, Ali-akbar Agha-mohammadi, Shayegan Omidshafiei, Sebastian Scherer

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

AI总结 GrndCtrl通过自监督奖励对齐提升世界模型的几何 grounding，实现更稳定的空间一致性与导航性能。