AI Agent

AstroSplat: Physics-Based Gaussian Splatting for Rendering and Reconstruction of Small Celestial Bodies

AstroSplat：基于物理的高斯散射用于小天体的渲染与重建

Jennifer Nolan, Travis Driver, John Christian

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)

AI总结 本文提出AstroSplat，一种基于物理的高斯散射框架，利用行星反射模型提升小天体表面的自主重建和光谱特性分析，通过NASA Dawn任务的真实图像验证了其在渲染性能和表面重建精度上的优势。

Comments 10 pages, 6 figures, conference

MOBIUS: A Multi-Modal Bipedal Robot that can Walk, Crawl, Climb, and Roll

MOBIUS：一种能够行走、爬行、攀爬和滚动的多模态双足机器人

Alexander Schperberg, Yusuke Tanaka, Stefano Di Cairano, Dennis Hong

机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； Robotic Systems Lab（机器人系统实验室） ； Robotics and Mechanisms Laboratory（机器人与机构实验室） ； Department of Mechanical and Aerospace Engineering, University of California, Los Angeles（加州大学洛杉矶分校机械与航空航天工程系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 MOBIUS机器人通过四条肢体实现多种运动模式切换，结合强化学习与混合规划架构，实现动态攀爬与负载支撑，拓展了移动操作与抓取能力。

Comments Paper is accepted at the Robotics: Science and Systems conference, held in Sydney, Australia, July 13th-17th, 2026. Alexander Schperberg and Yusuke Tanaka are co-first authors. Both were at the Robotics and Mechanisms Laboratory (RoMeLa) at UCLA when the work started, and are now with Mitsubishi Electric Research Laboratories and ETH Zurich (RSL) respectively

NoTVLA: Semantics-Preserving Robot Adaptation via Narrative Action Interfaces

NoTVLA：通过叙事动作接口实现语义保留的机器人适应

Zheng Huang, Mingyu Liu, Xiaoyi Lin, Muzhi Zhu, Canyu Zhao, Zongze Du, Ye Lin, Xiaoman Li, Yiduo Jia, Hao Zhong, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 NoTVLA通过稀疏轨迹规划减少灾难性遗忘，提升多任务性能，以更低计算成本和无需腕部摄像头实现高精度与语言能力保留。

Learning to Compress and Transmit: Adaptive Rate Control for Semantic Communications over LEO Satellite-to-Ground Links

学习压缩与传输：面向低轨卫星到地面链路的语义通信自适应速率控制

Jiangtao Luo, Yongyi Ran, Guoliang Xu, Jihua Zhou

专题命中 规划决策 ：agent(abstract)

AI总结 本文研究了利用联合源信道编码在低轨卫星到地面链路上实现自适应图像传输，提出基于强化学习的框架动态选择SwinJSCC编码器的信道维度以最大化接收端在有限可见窗口内满足重建质量约束的帧数。

When Are LLM Inferences Acceptable? User Reactions and Control Preferences for Inferred Personal Information

当大语言模型的推断何时是可接受的？用户对推断个人信息的反应及对控制的偏好

Kyzyl Monteiro, Minjung Park, Alexander Ioffrida, Angelina Sanna, Hao-Ping, Lee, Niloofar Mireshghallah, Yang Wang, Sauvik Das

专题命中 规划决策 ：planning(abstract)

AI总结 研究探讨了用户对大语言模型推断个人信息的反应及控制偏好，发现用户对推断信息的接受度受内容和上下文规范影响，而非单纯内容本身。

Comments 20 pages including appendix; 14 Figures

Sketch-based Access Control: A Multimodal Interface for Translating User Preferences into Intent-Aligned Policies

基于草图的访问控制：一种多模态接口，用于将用户偏好转化为意图对齐的策略

Kyzyl Monteiro, Sauvik Das

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出SBAC系统，结合草图和多模态大语言模型，帮助用户逐步完善访问策略，发现潜在问题并验证策略行为。

Comments 27 pages including appendix; 9 Figures

Muninn: Your Trajectory Diffusion Model But Faster

Muninn：你的轨迹扩散模型但更快

Gokul Puthumanaillam, Hao Jiang, Ruben Hernandez, Jose Fuentes, Paulo Padrao, Leonardo Bobadilla, Melkior Ornik

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Florida International University（佛罗里达国际大学） ； Providence College（普罗维登斯学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出Muninn，一种无需训练的缓存包装器，通过利用扩散轨迹规划器的两个信号，减少去噪器计算，实现轨迹扩散模型的实时应用，提升速度并保证性能和安全性。

Comments Accepted to Robotics: Science and Systems 2026

Frequency Adapter with SAM for Generalized Medical Image Segmentation

基于SAM的频率适应器用于通用医学图像分割

Phuoc-Nguyen Bui, Van-Nguyen Pham, Duc-Tai Le, Junghyun Bum, Hyunseung Choo

机构 * Sungkyunkwan University, Korea（成均馆大学，韩国） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出FSAM框架，结合LoRA和频率适配器提升医学图像分割的域泛化能力，通过提取域不变高频特征缓解频率相关域偏移。

Comments Under review, 10 pages, 1 figure, 2 tables

Optimal Loss Reduction in Distribution Networks Using Conservation Voltage Reduction and Network Topology Reconfiguration

通过保护电压降低和网络拓扑重构优化配电网络的损耗减少

Rida Fatima, Hassan Zahid Butt, Xingpeng Li

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种协调优化框架，整合保护电压降低和网络拓扑重构以提升配电网络效率并减少有功损耗，通过混合整数锥约束规划模型验证了其有效性。

LLM Agents Enable User-Governed Personalization Beyond Platform Boundaries

LLM代理使用户主导的个性化超越平台边界

Jiacheng Lin, Kun Qian, Arvind Srinivasan, Tian Wang, Fang Han, Changran Hu, Junze Liu, Ziyi Wang, Hanwen Xu, Mengmeng Xue, Shuo Yang, Hansi Zeng, Simon Sinong Zhan, Kai Zhong, Weiqi Zhang, Dakuo Wang, Tianhao Wang, Zhiyuan Li

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出用户主导的个性化方法，利用LLM代理整合跨平台和离线数据，突破平台限制，实现更全面的个性化能力。

Fetal Brain Imaging: A Composite Neural Network Approach for Keyframe Detection in Ultrasound Videos

胎儿脑部成像：一种复合神经网络方法用于超声视频中的关键帧检测

Aleksander Zamojski, Kacper Jarczak, Radoslaw Roszczyk

机构 * Warsaw University of Technology（华沙技术大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种复合神经网络方法，结合CNN和RNN用于超声视频中的关键帧检测，以提高胎儿脑部超声分析的效率和准确性。

DriveFuture: Future-Aware Latent World Models for Autonomous Driving

DriveFuture: 用于自动驾驶的面向未来的潜在世界模型

Yufeng Hong, Xiaotian Zhou, Yingyan Li, Xiangpo Zhou, Lin Liu, Yadan Luo, Shaoqing Xu, Lei Yang, Ziying Song

机构 * Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北航） ； Beijing Jiaotong University（北京交通大学） ； The University of Queensland（昆士兰大学） ； University of Macau（澳门大学） ； Nanyang Technological University（南洋理工大学） ； School of Artificial Intelligence ( School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出DriveFuture，一种面向未来的潜在世界建模框架，通过将未来世界状态条件化于当前潜在状态建模过程，提升自动驾驶轨迹规划性能。

Comments 24pages, 7 figures

MVB-Grasp: Minimum-Volume-Box Filtering of Diffusion-based Grasps for Frontal Manipulation

MVB-Grasp：基于扩散模型的抓取生成中最小体积盒过滤用于正前方操作

Bibek Poudel, Abdul Basit, Muhammad Shafique

机构 * Unitree（单位树） ； Intel（英特尔） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出MVB-Grasp方法，通过引入最小体积包围盒几何先验，提升低成本机械臂在受限工作空间中的正前方抓取成功率，结合几何过滤与重评分函数，验证了其在Z1机械臂上的有效性。

Comments 8 pages, 12 figures, accepted to IJCNN 2026

PolicyCache-SDN: Hierarchical Intra-Path Learning for Adaptive SDN Traffic Control

PolicyCache-SDN：分层路径内学习用于自适应SDN流量控制

Wenyang Jia, Jingjing Wang, Ziwei Yan, Tanren Liu, Yakun Ren, Kai Lei

专题命中 规划决策 ：agent(abstract)

AI总结 PolicyCache-SDN通过分层路径内学习实现自适应SDN流量控制，提升核心链路利用率并降低网络延迟和SLA违规率。

Mismatch-Aware Adaptive Constraint Tightening for Bicycle-Model Trajectory Optimization

基于模型不匹配的自适应约束紧缩方法

Lingxue Lyu, Zihui Liu

机构 * School of Engineering and Applied Science, University of Pennsylvania（宾夕法尼亚大学工程与应用科学学院） ； Department of Aeronautics & Astronautics, Stanford University（斯坦福大学航空与航天工程系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出MACT方法，通过分析车辆动态模型不匹配问题，提出基于速度和曲率的状态依赖性约束紧缩策略，提升轨迹优化的安全性与效率。

An Exact Solution Algorithm for the Bi-Level Optimization Problem of Electric Vehicles Charging Station Placement

为电动汽车充电站选址的双层优化问题的精确求解算法

Mobina Nankali, Michael W. Levin

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种精确求解算法，用于解决电动汽车充电站选址的双层优化问题，通过构建电池扩展网络和弗兰克-沃尔夫交通分配算法，实现了全局最优解，且在多个网络上表现出色。

MINGLE: VLMs for Semantically Complex Region Detection in Urban Scenes

MINGLE：用于城市场景中语义复杂区域检测的视觉语言模型

Liu Liu, Alexandra Kudaeva, Marco Cipriano, Fatimeh Al Ghannam, Freya Tan, Gerard de Melo, Andres Sevtsuk

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Hasso Plattner Institute（于尔克·平特纳研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出MINGLE模型，通过整合人类检测、视觉语言推理和轻量级空间聚合算法，实现城市场景中社交群体区域的检测，贡献包括新数据集和语义丰富的标注方法。

Comments 13 pages, 4 figures Updated with the camera-ready version after acceptance

EROAS: 3D Efficient Reactive Obstacle Avoidance System for Autonomous Underwater Vehicles using 2.5D Forward-Looking Sonar

EROAS: 3D高效反应性障碍物避障系统：利用2.5D前视声呐的自主水下车辆

Pruthviraj Mane, Allen Jacob George, Rajini Makam, Subhash Gurikar, Rudrashis Majumder, Suresh Sundaram

机构 * Department of Aerospace Eng.（航空航天工程系） ； Indian Institute of Science（印度科学研究所） ； Department of Electrical and Electronics Eng.（电子与电气工程系） ； Birla Institute of Technology and Science（比拉理工学院） ； Department of Computer Science and Eng.（计算机科学与工程系） ； Shiv Nadar University（施瓦纳大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出EROAS系统，通过结合2.5D前视声呐与三种模块，实现高效、安全的3D水下障碍物避障，实验验证其在复杂环境中的优势。

Comments Accepted for publication as a Technical Communication, Special Issue on AUV Symposium in the IEEE Journal of Oceanic Engineering (JOE)

EMFormer: Efficient Multi-Scale Transformer for Accumulative Context Weather Forecasting

EMFormer：高效的多尺度Transformer用于累积上下文天气预测

Hao Chen, Tao Han, Jie Zhang, Song Guo, Fenghua Ling, Lei Bai

机构 * Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学计算机科学与工程系） ； Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出EMFormer，通过单次卷积提取多尺度特征，结合累积上下文微调和复合损失函数，提升天气预测精度并减少计算开销。

Comments This paper has been accepted by ICML2026

Optimising for the long game: methodological challenges in energy system optimisation pathways

为长远博弈优化：能源系统优化路径的方法学挑战

Ivan Ruiz Manuel, Meijun Chen, Francesco Lombardi, Stefan Pfenninger-Lee

专题命中 规划决策 ：planning(abstract)

AI总结 本文探讨了能源系统优化路径中方法学挑战，分析了模型前瞻性选择、端效应、模型分辨率权衡及投资动态等影响模型结果的因素，并提出改进模型设计和沟通的建议。

Comments 31 pages,17 figures

Journal ref Volume 416, 1 August 2026, 127980

Paratransit Optimization with Constraint Programming: A Case Study in Savannah, Georgia

约束编程在萨凡纳市的拼车服务优化研究

Liam Jagrowski, Kevin Dalmeijer, Tinghan Ye, Pascal Van Hentenryck

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于约束编程的拼车服务优化模型，通过萨凡纳案例证明其在服务效率和请求数量上的优势，相比传统方法更易实施且灵活性高。

Trajectory Optimization for UAV-Based Medical Delivery with Temporal Logic Constraints and Convex Feasible Set Collision Avoidance

基于时间逻辑约束和凸可行集碰撞避障的无人机医疗配送轨迹优化

Kaiyuan Chen, Yuhan Suo, Shaowei Cui, Yuanqing Xia, Wannian Liang, Shuo Wang

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Vanke School of Public Health（万科公共卫生学院） ； School of Automation（自动化学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究无人机在城市环境中执行时间敏感医疗配送的轨迹优化问题，通过信号时间逻辑编码任务目标并利用凸可行集方法实现安全避障。

Comments 11 pages, 4 figures

Advanced Tumor Segmentation in PET/CT Imaging: A Training Strategy Study with nnU-Net for AutoPET III

PET/CT全身成像中肿瘤分割的进阶研究：基于nnU-Net的AutoPET III自动训练策略研究

Hussain Alasmawi

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种全身PET/CT肿瘤分割方法，通过nnU-Net框架探讨训练策略对模型性能的影响，提升分割鲁棒性与准确性，在AutoPET III挑战中取得第三名成绩。

SCORP: Scene-Consistent Multi-agent Diffusion Planning with Stable Online Reinforcement Post-Training for Cooperative Driving

SCORP：具有稳定在线强化学习后训练的场景一致多智能体扩散规划用于协作驾驶

Haojie Bai, Aimin Li, Ruoyu Yao, Xiongwei Zhao, Tingting Zhang, Xing Zhang, Lin Gao, and Jun Ma

机构 * School of Information Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）信息科学与技术学院） ； Middle East Technology University (METU)（中东技术大学） ； Robotics and Autonomous Systems Thrust, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向） ； School of Computer Science and Technology, Qinghai University（青海大学计算机科学与技术学院） 纠错

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

AI总结 SCORP通过场景条件多智能体去噪架构和两层马尔可夫决策过程提升多智能体协作驾驶的场景一致性和效率，实验表明其在安全性和效率指标上优于现有基线方法。

AssemPlanner: A Multi-Agent Based Task Planning Framework for Flexible Assembly System

AssemPlanner：一种面向灵活装配系统的多智能体任务规划框架

Chenhao Zhang, Chaoran Zhang, Zhaobo Xu, Yongbo Yang, Pingfa Feng, Long Zeng

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China（清华大学深圳国际研究生院，清华大学，深圳 518055，中国） ； Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China（清华大学机械工程系，清华大学，北京 100084，中国） 纠错

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

AI总结 本文提出AssemPlanner，一种多智能体任务规划框架，通过自然语言描述的任务转化为可执行的生产操作序列，解决传统方法配置耗时的问题。

ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review

ScholarPeer：一种基于上下文的多智能体框架用于自动化同行评审

Palash Goyal, Mihir Parmar, Yiwen Song, Hamid Palangi, Tomas Pfister, Jinsung Yoon

机构 * Google（谷歌） 纠错

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

AI总结 为应对机器学习论文数量激增导致的同行评审压力，ScholarPeer提出多智能体框架，通过合成领域轨迹、主动查找最新比较和深度审计技术严谨性，提升评审效率与准确性。

MARS-SQL: A multi-agent reinforcement learning framework for Text-to-SQL

MARS-SQL: 一种用于文本到SQL的多智能体强化学习框架

Haolin Yang, Jipeng Zhang, Zhitao He, Alexander Zhou, Yi R. Fung

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 MARS-SQL通过多智能体框架解决文本到SQL任务中的逻辑与模式对齐问题，采用生成代理与验证机制提升交互学习效果，实现77.84%和89.75%的准确率。

EvoMAS: Learning Execution-Time Workflows for Multi-Agent Systems

EvoMAS：学习执行时间的多智能体系统工作流

Chengdong Xu, Kaiqiang Ke, Ziheng Liu, Jiaqi Wei, Zibo Shao, Weile Guo, Chao Yu

机构 * Sun Yat-Sen University（中山大学） ； Zhejiang University（浙江大学） ； ShanghaiTech University（上海理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 EvoMAS通过动态构建执行时间工作流，改进多智能体系统的协作策略，实验证明其在复杂任务中优于单智能体基线和现有自动化方法。

Comments 22 pages, 8 figures

An Empirical Study of Multi-Agent Collaboration for Automated Research

多智能体协作在自动化研究中的实证研究

Yang Shen, Zhenyi Yi, Ziyi Zhao, Lijun Sun, Dongyang Li, Chin-Teng Lin, Yuhui Shi

机构 * University of Technology Sydney（悉尼技术大学） ； Southern University of Science and Technology（南方科技大学） ； Shenzhen Technology University（深圳技术大学） ； Tongji University（同济大学） 纠错

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

AI总结 本文通过实证研究比较了不同多智能体结构在自动化机器学习优化中的效果，发现子代理架构在时间受限下更稳定高效，而智能体团队架构在计算预算充足时能实现深度理论对齐。

Safe Multi-Agent Behavior Must Be Maintained, Not Merely Asserted: Constraint Drift in LLM-Based Multi-Agent Systems

安全多智能体行为必须被维护，而非仅仅被断言：基于LLM的多智能体系统中的约束漂移

Tianxiao Li, Yixing Ma, Haiquan Wen, Zhenglin Huang, Qianyu Zhou, Zeyu Fu, Guangliang Cheng

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

AI总结 本文探讨了基于LLM的多智能体系统中约束漂移问题，指出安全约束在执行过程中可能丢失、扭曲或减弱，提出约束状态治理作为研究范式，以确保安全行为在轨迹中持续有效。

Comments 12 pages, 2 figures, 4 tables. Preprint