AI Agent

Unfolding the Interdisciplinary Complexities of Climate Science: Fuxi-Climate Foundational Model

解析气候科学的跨学科复杂性：伏羲气候基础模型

Zhengyu Shi, Shaojie Shi, Rui Xu, Bohao Lv, Zhichao Chen, Jiaran Hao, Zijian Chen, Weiqi Tang, Yuan Qi, Yinghui Xu, Libo Wu

专题命中 规划决策 ：agent(abstract)

AI总结 该研究提出气候专用大型语言模型Fuxi-Climate基础模型，其在跨学科气候推理中性能更稳定，能实现高权衡覆盖度与不确定性感知推理，可为气候风险分析及智能体决策系统提供支撑。

Comments 28 pages, 17 figures

ViSMoE: Visual-Aware Sparse Mixture-of-Experts for Embodied Referring Expression Grounding

ViSMoE：面向具身指代表达接地的视觉感知稀疏混合专家模型

Shuo Feng, Piji Li

机构 * College of Artificial Intelligence（人工智能学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 针对现有具身指代表达接地方法无法区分视角与物体导致表示模糊的问题，提出带视觉感知路由策略的ViSMoE框架，在REVERIE和SOON数据集上性能优于现有SOTA方法。

Comments Accepted by ICANN 2025

UrbanGazeVis: A Visualization System for Analyzing Eye-Tracking Data on Urban Safety Perception

UrbanGazeVis：用于分析城市安全感知眼动数据的可视化系统

Andres De La Puente, Felipe Moreno, Luis Sante, Mauro Diaz, Jorge Poco

专题命中 规划决策 ：planning(abstract)

AI总结 本研究开发UrbanGazeVis可视化系统，通过30名参与者使用HoloLens 2分析150张里约街景的眼动数据，揭示注视与城市安全感知的关联，为城市设计提供见解。

Journal ref Computers & Graphics, 2026

Active Interaction-Aware Model Predictive Path Integral via Ego-Conditioned Generative Predictions

基于自车条件生成预测的主动交互感知模型预测路径积分方法

Khaled A. Mustafa, Mohamed-Khalil Bouzidi, Christian Schlauch, Ahmad Gazar, Nadja Klein, Joerg Reichardt, Javier Alonso-Mora

机构 * TU Delft（代尔夫特理工大学） ； Aumovio SE（奥莫维奥股份公司） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出将自车条件生成自回归预测模型集成到MPPI控制的规划框架，通过嵌套采样评估代价与风险，使自车主动探测交互、降低歧义，仿真显示其安全效率优于传统方法。

Topology of a Smile: Persistent Homology in Dental Imaging

微笑的拓扑：牙科成像中的持续同调

Leon Dahlmeier, Sara Kališnik, Albert Mehl, Bastian Rieck

机构 * ETH Zürich（苏黎世联邦理工学院） ； PSU（宾夕法尼亚州立大学） ； University of Zürich（苏黎世大学） ； University of Fribourg（弗里堡大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 该研究将拓扑数据分析中的持续同调与支持向量机结合，实现CBCT扫描中牙齿分类与诊断，准确率优于CNN，为牙科成像的自动化分析提供了新方法。

Stochastic Dynamics of Low Earth Orbit Near Full Capacity

近地轨道接近满容量时的随机动力学

Priyank Behera, Aditya S. Gopalan, Harsha Honnappa

专题命中 规划决策 ：planning(abstract)

AI总结 该研究针对近地轨道容量评估的确定性模型缺陷，构建两物种Lotka–Volterra模型的随机扩展，揭示不同时间尺度下的Kessler级联特性，指出碎片失控概率高于确定性预测，需考虑碰撞动力学方差。

Safe Deep Reinforcement Learning for Energy-Efficient HVAC Control in Multi-Zone Residential Buildings

面向多区域住宅建筑节能HVAC控制的安全深度强化学习

Oussama Ziadi, Abdelilah Rochd, Samir Idrissi Kaitouni, Mohamed Oualid Mghazli, Adnane Saoud

专题命中 规划决策 ：agent(abstract)

AI总结 该研究针对多区域住宅建筑HVAC控制的能耗-安全问题，提出带安全认证的深度强化学习框架，在仿真中训练PPO与SAC智能体，验证了其在降低能耗、减少舒适度违规方面的有效性及安全保证的可行性。

Comments 6 pages, 5 figures. Accepted to IEEE Conference on Control Technology and Applications (CCTA) 2026

Finite-Sample Metric Non-Collapse for Geometrically Supervised Latent World Models in Control

用于控制的学习型世界模型中的度量非崩溃：逼近理论、有限样本几何保证与确定性规划迁移

Alain Bensoussan, Minh-Nhat Phung, Minh-Binh Tran

专题命中 规划决策 ：planning(abstract)

AI总结 该研究为非线性确定性控制系统的学习型世界模型构建三部分数学理论，含逼近理论、有限样本几何保证及确定性规划迁移方法，通过数值实验验证了相关方法的有效性。

Comments Revised version prepared in response to the editorial assessment. The main manuscript is 32 pages; detailed mathematical derivations have been moved to the accompanying Supplementary Material. The principal results and contributions are strengthened and clarified

Atmospheric Light Pollution by Proposed Reflect Orbital Space Mirrors

拟议的反射轨道太空镜造成的大气光污染

Miroslav Kocifaj, Gáspár Bakos, František Kundracik

专题命中 规划决策 ：planning(abstract)

AI总结 该研究针对拟议的反射轨道太空镜，计算其造成的大气光污染，发现单颗54米直径太空镜会显著改变30公里内夜间环境，400颗同时工作时80公里外可见辉光。

Comments Accepted for publication in ApJL. Visual renderings at https://starryprinceton.org/scattering_calculations_renderings

Traj-VLN: Learning Pixel-Space Interaction via Autoregressive Trajectory Generation

Traj-VLN：通过自回归轨迹生成学习像素空间交互

Changfei Fu, Guangcheng Chen, Aoxiang Gu, Haoxiang Liang, Wenjun Xu, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng National Laboratory（鹏城国家实验室） ； Guangdong University of Technology（广东工业大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 研究连续环境中视觉与语言导航问题，提出通过自回归轨迹生成在2D像素空间微调视觉语言模型来学习导航交互的方法，实验验证该方法能显著提升性能，旗舰模型在有限资源和数据下达最优水平。

Distributed Multi Robot Lunar Cargo Transportation via Phase Decomposed Reinforcement Learning

基于相位分解强化学习的分布式多机器人月球货物运输

Ashutosh Mishra, Elian Neppel, Shreya Santra, Antoine Jonquières, Muhammad Athallah Naufal, Kentaro Uno, Kazuya Yoshida

机构 * Tohoku University（东北大学） ； École Centrale de Lille（里尔中央理工学院） ； Institut Teknologi Bandung（万隆理工学院） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 提出相位分解强化学习框架，将月球货物运输分解为提升、运输和放置三个阶段，分别优化联合状态策略，实现分布式机器人协同运输，仿真和硬件实验验证了可靠性。

Comments 8 pages, 9 Figures, Accepted at IROS2026

ReWorld: Representation Learning for World Action Models

ReWorld：为世界动作模型学习更好的表示

Tianze Xia, Lijun Zhou, Kaixin Xiong, Jingfeng Yao, Zhenxin Zhu, Haiyang Sun, Bing Wang, Guang Chen, Wenyu Liu, Hangjun Ye, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米汽车） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出ReWorld框架，通过优化中间表示（未来预测监督、跨模态对齐、难负样本监督）提升自动驾驶世界动作模型的规划性能，在nuScenes和NAVSIM上取得显著提升。

Comments 15 pages,5 figures

Hierarchical Interdiffusion Kinetics in Nanoscale Ni/Al Multilayers

纳米Ni/Al多层膜中的层级互扩散动力学

S. S. Riegler, I. Gallino, N. J. Peter, A. Tarasov, T. Meyer, J. Schmauch, C. Pauly, M. Frey, Y. H. Sauni Camposano, H. Bartsch, R. Schwaiger, P. Schaaf, R. Busch, J. Arlt

专题命中 规划决策 ：workflow(abstract)

AI总结 结合快速差示扫描量热法和扫描透射电镜，揭示了纳米Ni/Al多层膜中层级互扩散动力学：低温下Ni沿Al晶界扩散，高温下从晶界向晶内扩散，晶界是控制反应起始的关键微结构参数。

Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directions

机器人中的基础模型：方法、模型、数据集、挑战及未来研究方向的全面综述

Aggelos Psiris, Vasileios Argyriou, Evangelos K. Markakis, Panagiotis Sarigiannidis, Efstratios Gavves, Kostas Bekris, Arash Ajoudani, Georgios Th. Papadopoulos

机构 * Department of Informatics and Telematics, Harokopio University of Athens（信息与电信系，哈罗科比欧大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了机器人中基础模型的发展，涵盖方法、模型、数据集、挑战及未来方向，分析了不同阶段的研究演变及关键方面。

Journal ref Transactions on Machine Learning Research (TMLR), 07/2026

Scalable Optimization for Mobility-Aware Coordinated Electric Vehicle Charging in Distribution Power Networks

可扩展的移动感知协调电动汽车充电优化

Yi Ju, Lunlong Li, Jingchun Wang, Scott Moura

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出MAC框架，通过结合移动轨迹和充电决策，实现大规模电动汽车需求灵活性优化，以减少配电网过载升级需求。

Comments 20 pages, 8 figures, 3 tables

DCGen 1.1 Technical Report: Generating Datacenter Configurations (including IT, Power, Cooling)

DCGen 1.1 技术报告：生成数据中心配置（包括IT、电力、冷却）

Wedan Emmanuel Gnibga, Andrew A. Chien

专题命中 规划决策 ：planning(abstract)

AI总结 为研究数据中心硬件设计、运营动态、冷却机制及与电网的交互，DCGen工具能生成多种数据中心配置，涵盖IT硬件、冷却和电力分配基础设施，并支持不同电力、计算能力和面积目标的场景探索。

Optimal longevity of a dynasty

王朝的最优寿命

Satoshi Nakano, Kazuhiko Nishimura

专题命中 规划决策 ：planning(abstract)

AI总结 本文在关键级效用框架下研究王朝最优寿命，通过将规划期限作为内生变量，建立静态人口伦理与动态增长理论的结构同构性，推导出在间接生产经济中最优消费和寿命的闭式解，指出低生产力下有限期限可避免非值得生活。

XIT: Exploration and Exploitation Informed Trees for Active Gas Distribution Mapping in Unknown Environments

XIT：在未知环境中主动气体分布映射的探索与利用树

Mal Fazliu, Matthew Coombes, Sen Wang, Cunjia Liu

专题命中 规划决策 ：planning(abstract)

AI总结 XIT通过平衡探索与利用，提升未知环境中自主气体分布映射的效率和质量。

Exploring learning environments for label\-efficient cancer diagnosis

探索用于标签高效癌症诊断的学习环境

Samta Rani, Tanvir Ahmad, Sarfaraz Masood, Chandni Saxena

专题命中 规划决策 ：planning(abstract)

AI总结 本研究考察监督学习、半监督学习、自监督学习三种学习环境，用三种预训练模型在七个训练集上预测肾癌、肺癌、乳腺癌，发现半监督学习结果与监督学习高度一致，是标签受限场景的高可行替代方案。

Comments The submission is being withdrawn due to an authorship disagreement among the co-authors

Calibrating Perception Uncertainty for Autonomous Driving

自动驾驶中的感知不确定性校准

Markus Kängsepp, Meelis Kull

专题命中 规划决策 ：planning(abstract)

AI总结 针对自动驾驶感知模型在恶劣条件下的不确定性问题，本文提出量化未检测物体不确定性的方法，结合鸟瞰图概率语义分割生成校准后的不确定性，验证其对规划任务的重要性。

Journal ref International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 34(5) (2026) 621-645

Agentic-Kube: A Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-Objective Kubernetes Scheduling

AGMARL-DKS: 一种适应性图增强多智能体强化学习用于动态Kubernetes调度

Hamed Hamzeh

机构 * University of Westminster Computer Science（威斯敏斯特大学计算机科学） ； University of Westminster（威斯敏斯特大学） 纠错

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

AI总结 本文提出AGMARL-DKS，通过多智能体强化学习解决动态Kubernetes调度问题，引入图神经网络和应力感知策略，提升容错性和资源利用率。

Counter with Evidence! A Multi-Agent Memory Efficient Reasoning Framework for Hate Category Informed Counterspeech Generation

结合证据的回应！用于仇恨类别感知反仇恨言论生成的多智能体内存高效推理框架

Sujoy Nath, Aswini Kumar, Tanmoy Chakraborty

机构 * Indian Institute of Technology Delhi（印度德里理工学院） 纠错

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

AI总结 该研究针对现有反仇恨言论生成未区分仇恨言论类别的问题，提出多智能体框架FIRE并构建数据集FactualCS，实验显示FIRE效果优于基线且毒性更低。

MAVEN-T: Reinforced Heterogeneous Distillation for Real-Time Multi-Agent Trajectory Prediction

MAVEN-T：用于实时多智能体轨迹预测的强化异构蒸馏

Wenchang Duan, Zhenguo Gao, Jinguo Xian, Yi Shi

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University（上海交通大学Bio-X研究院、发育与神经精神疾病遗传学重点实验室） ； Shanghai Key Laboratory of Psychotic Disorders, Brain Science and Technology Research Center, Shanghai Jiao Tong University（上海精神疾病重点实验室、脑科学与技术研究中心，上海交通大学） 纠错

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

AI总结 提出MAVEN-T框架，通过高容量教师模型和紧凑学生模型的异构蒸馏，结合强化学习优化，实现实时多智能体轨迹预测，在多个数据集上达到高精度与低延迟。

CONSCIENTIA: Can LLM Agents Learn to Strategize? Emergent Deception and Trust in a Multi-Agent NYC Simulation

CONSCIENTIA：LLM代理能否学会策略性行为？多智能体纽约市模拟中的涌现欺骗与信任

Aarush Sinha, Arion Das, Soumyadeep Nag, Charan Karnati, Shravani Nag, Chandra Vadhan Raj, Aman Chadha, Vinija Jain, Suranjana Trivedy, Amitava Das

机构 * University of Copenhagen（哥本哈根大学） ； IIIT Ranchi（印度信息技术学院兰契分校） ； ISI Kolkata（印度统计学院加尔各答分校） ； NIT Andhra Pradesh（印度国家理工学院安得拉邦分校） ； IGDTUW（英迪拉·甘地德里技术女子大学） ； IIT Kharagpur（印度理工学院卡哈拉格普尔分校） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌） ； AI Institute, University of South Carolina（南卡罗来纳大学人工智能研究所） 纠错

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

AI总结 研究通过多智能体模拟探讨LLM在对抗性环境中的策略行为，发现智能体在导航中表现出有限的策略性，包括选择性信任与欺骗，但易受对抗性说服影响。

SRMT: Shared Memory for Multi-agent Lifelong Pathfinding

SRMT：面向多智能体终身路径规划的共享内存

Alsu Sagirova, Yuri Kuratov, Mikhail Burtsev

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

AI总结 本文提出共享循环记忆Transformer（SRMT），通过全局共享内存工作区实现去中心化多智能体的无约束协调，在PO-MAPF等任务上表现优于基线，可扩展且无需领域特定启发式。

Comments 16 pages, 11 figures

Multi-Agent Discovery and Resource-Aware Autonomous Exploration of Scientific Datasets

科学数据集的多智能体发现与资源感知自主探索

Aashish Panta, Hugo Lee, Giorgio Scorzelli, Kyongsik Yun, Valerio Pascucci

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

AI总结 针对单个研究者难以发现探索大规模科学数据集的问题，提出WebVisus多智能体系统，可基于自然语言问题启动自主智能体，适配资源探索数据集并完成案例验证。

Comments 10 pages, 4 figures, 1 table. To appear in 2026 IEEE eScience Proceedings

HiMA-MDD: A Hierarchical Multi-Agent Harness for Interpretable Multimodal Depression Detection in Clinical Interviews

HiMA-MDD：用于临床访谈中可解释多模态抑郁检测的分层多智能体框架

Ao Chen, Xiaojiang Peng

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

AI总结 本研究针对临床访谈多模态抑郁检测的分层评估需求，提出分层多智能体框架HiMA-MDD，其分三层智能体处理流程，在E-DAIC数据集上以Qwen2.5-72B-Instruct为骨干，性能优于现有最优方法。

TO-Agents: A Multi-Agent AI Framework for Subjective Preference-Guided Topology Optimization

TO-Agents：一种用于基于偏好的拓扑优化的多智能体AI流水线

Isabella A. Stewart, Hongrui Chen, Faez Ahmed

机构 * Department of Mechanical Engineering Massachusetts Institute of Technology Cambridge, MA, 02139 USA（机械工程系 马萨诸塞理工学院 哥伦布, 马萨诸塞州, 02139 美国） 纠错

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

AI总结 本文提出TO-Agents，一种多智能体AI框架，通过将自然语言设计意图与迭代拓扑优化相结合，解决设计者手动转换非直接关联的偏好到求解器设置的问题，并在两个长周期设计任务中验证了其有效性。

Comments Accepted for publication in the Proceedings of the ASME 2026 International Design Engineering Technical Conferences (IDETC2026)

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

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

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

OptiMAS: Automatically Optimize Multi-Agent System

OptiMAS：自动优化多智能体系统

Yuxin Cheng, Chang Liu, Hanxin Yu, Haochen Tan, Taiqiang Wu, Weiqiang Jin, Jie Ran, Kaibo Wang, Xiaoguang Li, Haoli Bai, Graziano Chesi, Ngai Wong

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

AI总结 针对现有多智能体系统演化方法的权衡问题，提出基于ReAct的OptiMAS优化器，通过双轨记忆机制在四类基准上优于或媲美手工系统与现有演化方法，为自动化MAS演化奠定里程碑。

Comments EMNLP 2026