AI Agent

From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning

从预测不确定性到用于安全运动规划的共形距离场

Jaeuk Shin, Yoonseok Ra, Insoon Yang

机构 * Seoul National University（首尔大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出功能共形预测框架，通过对整个预测距离场进行共形化，获得分布无关的场级下界，实现均匀安全性，并嵌入采样模型预测控制器FCP-MPC，在动态障碍物密集场景中平衡安全、可行与效率。

Path Planning in Physically Viable World Models

物理可行世界模型中的路径规划

Su Ann Low, Cheng-Hsi Hsiao, Xingjian Li, Adam J. Thorpe, Ufuk Topcu, Krishna Kumar

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(title,abstract)

AI总结 提出物理可行世界模型，通过物理仿真生成修改后的场景，使机器人能在部署前评估未来地形变化对路径可行性的影响。

Comments 18 pages, 7 figures, submitted to CORL

GEAR-Seg: A Grounded Explainable Agent for Reasoning Segmentation and Data Engine

GEAR-Seg：用于推理分割和数据引擎的基于可解释智能体

Yanan Wang, Wen Li, Yibin Ying, Zhenghao Fei

机构 * College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州国际科创中心） 纠错

专题命中 规划决策 ：agent(title,abstract)

AI总结 提出GEAR-Seg，一种解耦的智能体框架，通过将像素转换为属性文本实现可解释推理分割，零样本性能优异，并可作为数据引擎构建大规模基准GEAR-131K。

Comments 21 pages, 8 figures

NeHMO: Neural Hamilton-Jacobi Reachability Learning for Decentralized Safe Multi-Arm Motion Planning

NeHMO：面向分散式安全多臂运动规划的神经哈密顿-雅可比可达性学习

Qingyi Chen, Zachary Kingston, Ahmed H. Qureshi

机构 * Department of Computer Science at Purdue University（普渡大学计算机科学系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出基于神经哈密顿-雅可比可达性学习的方法，学习安全值函数以捕获最坏情况下的臂间安全约束，并开发分散式轨迹优化框架，实现可扩展、数据高效且泛化能力强的实时多臂运动规划。

Joint Discovery of Object and Action Symbols through Effect Prediction for Robotic Manipulation Planning

通过效应预测联合发现物体与动作符号以进行机器人操作规划

Burcu Kilic, Berke Kartal, Fatih Dogangun, Erhan Oztop, Emre Ugur

机构 * Bogazici University（博阿齐奇大学） ； Ozyegin University（厄兹耶金大学） ； Osaka University（大阪大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种通过二元瓶颈层联合发现操作原语和物体类别的方法，利用预测多模态交互效应进行离散规划，在桌面重定位和堆叠任务中优于现有方法。

High-Fidelity Capacity Expansion Planning for Puerto Rico's Electric Power System

波多黎各电力系统容量扩展规划

Elizabeth Glista, Tomas Valencia Zuluaga, Amelia Musselman, Minda Monteagudo, Juliette Franzman, Jean-Paul Watson

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种数学优化框架，用于波多黎各电力系统长期投资规划，通过高分辨率容量扩展模型识别最低成本的发电和储能投资，提高系统可靠性。

Comments Clearer framing of the modeling scope, assumptions, limitations, and data sources

UniDrive-WM: Unified Understanding, Planning and Generation World Model for Autonomous Driving

UniDrive-WM：面向自动驾驶的统一理解、规划和生成世界模型

Zhexiao Xiong, Xin Ye, Burhan Yaman, Sheng Cheng, Yiren Lu, Jingru Luo, Nathan Jacobs, Liu Ren

机构 * Bosch Research North America & Bosch Center for Artificial Intelligence (BCAI)（博世北美研究院与博世人工智能中心） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Arizona State University（亚利桑那州立大学） ； Case Western Reserve University（凯斯西储大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出UniDrive-WM，一个基于VLM的统一世界模型，联合执行场景理解、轨迹规划和未来图像生成，在Bench2Drive上轨迹误差降低7.3%，碰撞率降低10.4%。

Comments Accepted to ECCV 2026. Project Page: https://unidrive-wm.github.io/UniDrive-WM

XSkill: Continual Learning from Experience and Skills in Multimodal Agents

XSkill: 多模态智能体中的经验与技能持续学习

Guanyu Jiang, Zhaochen Su, Xiaoye Qu, Yi R. Fung

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 提出XSkill双流框架，通过视觉经验与技能的知识提取、检索和自适应，实现多模态智能体在开放场景中无需参数更新的持续学习，显著提升工具使用和推理泛化能力。

Comments Accepted to ICML 2026

Bridging Symbolic Control and Neural Reasoning in LLM Agents -- The Structured Cognitive Loop

连接符号控制与神经推理的LLM代理——结构认知循环

Myung Ho Kim

机构 * JEI University（JEI大学） 纠错

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

AI总结 本文提出结构认知循环(SCL)架构，通过分离检索、认知、控制、行动和记忆模块，解决LLM代理的推理与执行纠缠、记忆波动和行动序列失控问题，实现零策略违规、防止冗余调用并保持决策可追溯性。

Comments This update clarifies the theoretical architecture by separating Regulation as the Soft Symbolic Control layer from Control as a deterministic runtime engine, while adding explicit discussion of how the current implementation should be interpreted in light of that distinction

ELMP: Efficient Learning for Motion Planning via Analytical Policy Gradients

ELMP: 通过解析策略梯度实现高效运动规划学习

Yixiao Li, Tifanny Portela, Jordis Herrmann, René Zurbrügg, Marco Hutter

机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； ABB（ABB公司） ； ANYbotics（ANYbotics公司） 纠错

专题命中 规划决策 ：planning(title)

AI总结 提出ELMP框架，利用可微运动学层和自监督微调，通过密集碰撞、目标到达和平滑性目标直接优化策略，避免专家数据收集，实现数据高效的运动规划适应。

Comments 8 pages, 7 figures, 4 tables

Optimal Path Planning of Airborne Wind Energy Systems with a Flexible Tether

具有柔性系绳的空中风能系统的最优路径规划

Omid Heydarnia, Jolan Wauters, Tom Lefebvre, Guillaume Crevecoeur

专题命中 规划决策 ：planning(title)

AI总结 提出一种基于索引-1微分代数方程的最优控制框架，采用准静态方法处理柔性系绳，通过同伦策略生成最优轨迹，并与刚性系绳模型对比，验证了考虑系绳柔性的必要性。

Optimal Resource Utilization for Autonomous Laboratory Orchestrators

自主实验室协调器的最优资源利用

Austin McDannald, Julia Tisaranni, Howie Joress

机构 * National Institute of Standards and Technology（美国国家标准与技术研究院） 纠错

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

AI总结 针对自主实验室中多仪器硬件约束下的资源利用问题，提出两步法：先用约束规划找到最小化总时间的最优调度，再通过状态依赖系统鲁棒执行调度。

SessionBound: Turning Enterprise Task Approval into Budgeted Database Sessions

SessionBound: 将企业任务审批转化为预算化的数据库会话

Minmin Wu

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

AI总结 提出SessionBound框架，将审批的企业任务转化为短期、预算化、可审计的数据库会话，通过控制平面和SessionBoundDB实现安全边界，无需LLM判断查询安全性。

Comments 7 pages, research prototype. Code: https://github.com/SessionBound/sessionbound

Query-Centric Optimization of AI Workflows via Approximate Query Processing and Proxy Models

基于近似查询处理和代理模型的AI工作流查询中心优化

Huayi Wang, Jun Xu, Gromit Yeuk-Yin Chan

专题命中 规划决策 ：workflow(abstract)；agentic(abstract)

AI总结 提出将AI工作流视为声明式查询，利用近似查询处理（AQP）和代理模型（PM）过滤减少昂贵模型调用，在TPC-DS和LLM流水线上实现85-90%和60-70%的调用减少。

Physics Models for Sim-to-Real Transfer in Professional-Level Robot Table Tennis

面向专业级机器人乒乓球的仿真到现实迁移的物理模型

Christian Conti, Bilan Yang, Alexander Sigrist, Lorenzo Miele, Yamen Saraiji, Peter Dürr, Naoya Takahashi

机构 * Sony AI, Tokyo, Japan（索尼人工智能，东京，日本） ； Sony AI, Zürich, Switzerland（索尼人工智能，苏黎世，瑞士） 纠错

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

AI总结 提出空气动力学、球桌碰撞和球拍接触的物理模型，精确捕捉高速高旋球行为，首次训练出能与专业选手对战的机器人乒乓球AI智能体。

Comments 8 pages, 7 figures, additional information: https://ace.ai.sony/, Submitted to IEEE Robotics and Automation Letters (RA-L)

Valdi: Value Diffusion World Models

Valdi: 价值扩散世界模型

Christopher Lindenberg, Kashyap Chitta

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

AI总结 提出Valdi框架，结合端到端在线训练与潜在扩散动力学模型，在CarRacing环境中使用单步扩散达到与确定性MLP基线相当的性能，揭示了预测多模态与控制性能之间的权衡。

Comments RLC 2026 WMW

Learning Generalizable Skill Policy with Data-Efficient Unsupervised RL

学习具有数据高效的无监督RL的通用技能策略

Jongchan Park, Seungjun Oh, Seungho Baek, Yusung Kim

机构 * Department of Computer Science and Engineering, Sungkyunkwan University（成均馆大学计算机科学与工程系） 纠错

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

AI总结 提出GenDa框架，通过技能重标定缓解非平稳性，并引入互补信息瓶颈增强泛化性，实现数据高效且鲁棒的无监督强化学习预训练。

GPU-Parallel Linearization Error Bounds for Real-Time Robust Optimal Control of Nonlinear and Neural Network Dynamics

GPU并行线性化误差界用于非线性和神经网络动力学的实时鲁棒最优控制

Jeffrey Fang, Keyi Shen, Anutam Srinivasan, Glen Chou

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

AI总结 提出GPU并行线性化误差界（LEBs），结合系统级综合与鲁棒控制求解器，实现非线性与神经网络动力学实时鲁棒最优控制，在168维状态上达到67 Hz求解速度。

Enhancing Hardware Fault Tolerance in Machines with Reinforcement Learning Policy Gradient Algorithms

通过强化学习策略梯度算法增强机器的硬件容错能力

Sheila Schoepp, Mehran Taghian, Shotaro Miwa, Yoshihiro Mitsuka, Shadan Golestan, Osmar Zaïane

机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） ； Advanced Technology R&D Center, Mitsubishi Electric Corporation（三菱电机株式会社先进技术研发中心） ； Information Technology R&D Center, Mitsubishi Electric Corporation（三菱电机株式会社信息技术研发中心） 纠错

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

AI总结 本文首次系统比较PPO和SAC两种强化学习算法在硬件故障容错中的表现，并研究四种知识迁移策略，实验表明算法能快速恢复故障并存在性能权衡。

Local Motion Matters: A Deconstruct-Recompose Paradigm for Reinforcement Learning Pre-training from Videos

局部运动至关重要：一种用于从视频中进行强化学习预训练的解构-重组范式

Jinwen Wang, Youfang Lin, Xiaobo Hu, Shuo Wang, Kai Lv

机构 * Beijing Jiaotong University（北京交通大学） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通数据挖掘与具身智能重点实验室） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 提出解构-重组范式（DRP），通过解构全局运动为原子动作学习局部运动表示，再重组以加速下游策略学习，在机器人控制任务中显著提升样本效率。

Comments 20 pages, 16 figures

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pages 9859-9868

Self-GC: Self-Governing Context for Long-Horizon LLM Agents

Self-GC：面向长周期LLM智能体的自管理上下文

Xubin Hao, Hongjin Meng, Xin Yin, Jiawei Zhu, Chenpeng Cao

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 提出Self-GC框架，通过将工具结果、文件等上下文对象索引化，并利用侧信道规划器进行折叠、掩码和剪枝操作，实现长周期智能体的上下文生命周期管理，显著减少前缀令牌且不影响未来延续。

Auditing Empirical Comparisons in Quantum Software

量子软件中经验比较的审计

Boshuai Ye, Peng Liang, Maryam Tavassoli Sabzevari, Arif Ali Khan

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

AI总结 提出CLAIMSTAB-QC框架，通过锁定比较设计并分类结果方向，审计量子软件论文中的经验比较，发现多数比较存在证据不足的“物化差距”。

Comments 12 pages, 4 figures, 5 tables

VideoSearch-R1: Iterative Video Retrieval and Reasoning via Soft Query Refinement

VideoSearch-R1: 通过软查询细化实现迭代视频检索与推理

Seohyun Lee, Seoung Choi, Dohwan Ko, Jongha Kim, Hyunwoo J. Kim

机构 * KAIST（韩国科学技术院） ； Korea University（高丽大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 提出VideoSearch-R1框架，通过软查询细化（SQR）在连续潜空间优化搜索查询，结合GRPO训练，实现大规模视频库的迭代检索与精确时序定位，性能达SOTA。

Comments Accepted to ECCV 2026

Rule-VLN: Bridging Perception and Compliance via Semantic Reasoning and Geometric Rectification

规则导向的视觉语言导航：通过语义推理和几何校正弥合感知与合规性

Jiawen Wen, Penglei Sun, Wenjie Zhang, Suixuan Qiu, Weisheng Xu, Xiaofei Yang, Xiaowen Chu

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Beijing Normal University（北京师范大学） ； Guangzhou University（广州大学） 纠错

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

AI总结 本文提出Rule-VLN，首个大规模城市规则合规导航基准，通过语义推理和几何校正模块提升导航安全性，实验表明该模块显著提升导航能力。

Geometry-Preserving Neural Architectures on Manifolds with Boundary

保持几何结构的边界流形神经架构

Karthik Elamvazhuthi, Shiba Biswal, Kian Rosenblum, Arushi Katyal, Tianli Qu, Grady Ma, Rishi Sonthalia

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； Boston College（波士顿学院） 纠错

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

AI总结 本文提出统一框架分类几何保持神经架构，针对prox-regular约束集（含边界光滑流形）证明投影神经ODE、中间增强和最终增强架构的逼近定理，实验表明最终增强架构更优。

Learning to Watch: Active Video Anomaly Understanding via Interleaved Policy Optimization

学习观察：通过交错策略优化的主动视频异常理解

Mengjingcheng Mo, Jiaxu Leng, Xinbo Gao

机构 * School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China（重庆邮电大学计算机科学与技术学院） ； School of Computer Science（计算机科学学院） ； Chongqing College of Artificial Intelligence, Chongqing, China（重庆人工智能学院） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 提出Anom-π闭环框架，将视频异常理解建模为主动序列决策过程，通过交错策略统一内部推理与证据获取，并设计iDPO实现轨迹级策略对齐，仅2B参数即超越大规模模型。

Comments Accepted at ICML 2026; 25 pages, 8 figures, 15 tables

A Simple Solution to Improving Human Supervision of Algorithms: Evidence from Smart Vending

改善人类对算法监督的简单解决方案：来自智能售货机的证据

Minda Zhao, Brian Rongqing Han, Xin Chen, Tao Zhu

专题命中 规划决策 ：planning(abstract)

AI总结 通过限制人工干预次数，让工人优先选择高价值干预，在减少库存的同时不损害销售，为人类监督AI提供低成本可扩展方案。

DriveVer: Lightweight Trajectory Evaluator as Test-Time Verifier for Autonomous Driving

DriveVer: 自动驾驶的轻量级轨迹评估器作为测试时验证器

Chong He, Yuechen Luo, Fang Li, Shaoqing Xu, Fuxi Wen

机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出DriveVer，一种轻量级即插即用的测试时验证器，通过双头架构融合候选轨迹与多视图视觉特征，预测安全置信度和几何修正向量，在不增加训练成本下提升规划模型性能。

VOCA: Visual Odometry with Codec Awareness

VOCA: 具有编解码感知的视觉里程计

Nouri Alexander Hilscher, Mateo de Mayo, Dominik Muhle, Christoph Otten genannt Hermes, Daniel Cremers

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出VOCA方法，利用视频编解码信息改进压缩流上的立体视觉里程计跟踪性能，在因果VO上达到最先进的相对轨迹误差和效率。

Comments Accepted to ECCV 2026

3D Point World Models: Point Completion Enables More Accurate Dynamics Learning

3D点云世界模型：点云补全实现更准确的动力学学习

Skand Peri, Hung Nguyen, Chanho Kim, Li Fuxin, Stefan Lee

机构 * Oregon State University（俄勒冈州立大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出3D点云世界模型(3DPWM)，通过先补全部分点云再学习动作条件动力学，实现长时程可靠推演和精确成本评估，支持多种机器人操作任务。

Comments 21 Pages