AI Agent

Tractable Probabilistic Models for Investment Planning

可计算的概率模型用于投资规划

Nicolas M. Cuadrado A., Mohannad Takrouri, Jiří Němeček, Martin Takáč, Jakub Mareček

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

AI总结 本文提出基于可计算概率模型的投资规划方法，利用求和-乘积网络（SPNs）高效表示高维不确定性，支持精确概率查询，用于嵌入机会约束的混合整数线性规划模型以评估可靠性事件。

Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning

轨迹链：通过图论规划解锁扩散模型的内在生成最优性

Ping Chen, Xiang Liu, Xingpeng Zhang, Fei Shen, Xun Gong, Zhaoxiang Liu, Zezhou Chen, Huan Hu, Kai Wang, Shiguo Lian

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

AI总结 本文提出轨迹链框架，通过图论规划解决扩散模型在高维状态空间中的计算瓶颈，提升生成质量与稳定性。

Comments 12 figues, 5 tables

Demand-Driven Context: A Methodology for Building Enterprise Knowledge Bases Through Agent Failure

需求驱动的上下文：通过智能体失败构建企业知识库的方法论

Raj Navakoti, Saideep Navakoti

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

AI总结 本文提出需求驱动上下文方法，通过智能体失败信号来获取企业领域知识，解决传统知识工程方法的局限性，展示在零售订单履行中的应用案例。

Comments 18 pages, 5 figures, 1 algorithm. Preprint

EviAgent: Evidence-Driven Agent for Radiology Report Generation

EviAgent：基于证据的放射学报告生成代理

Tuoshi Qi, Shenshen Bu, Yingfei Xiang, Zhiming Dai

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

AI总结 EviAgent通过引入多维视觉专家和检索机制，解决放射学报告生成中的透明性与证据支持问题，实验表明其在多个数据集上优于通用和专用模型。

PREDICT-GBM: A multi-center platform to advance personalized glioblastoma radiotherapy planning

PREDICT-GBM：一个多中心平台以推进个性化胶质瘤放疗规划

L. Zimmer, J. Weidner, M. Balcerak, F. Kofler, M. Krupa, I. Ezhov, S. Cepeda, R. Zhang, J. Lowengrub, B. Menze, B. Wiestler

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

AI总结 本文提出PREDICT-GBM平台，整合多中心数据集和标准化评估流程，开发并验证了基于U-Net的复发预测模型，显著提升了放疗规划的个性化水平。

Spatially Grounded Long-Horizon Task Planning in the Wild

在真实环境中进行具有长时域的任务规划

Sehun Jung, HyunJee Song, Dong-Hee Kim, Reuben Tan, Jianfeng Gao, Yong Jae Lee, Donghyun Kim

机构 * Korea University（韩国大学） ； Microsoft Research（微软研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出了一种基于空间的规划任务，引入了GroundedPlanBench基准，评估机器人在真实环境中的长时域动作规划能力，并通过V2GP框架提升空间接地规划性能。

Comments 9 pages, 7 figures

Balancing Safety and Optimality in Robot Path Planning: Algorithm and Metric

在机器人路径规划中平衡安全性和最优性：算法与度量

Jatin Kumar Arora, Soutrik Bandyopadhyay, Sunil Sulania, Shubhendu Bhasin

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

AI总结 本文提出统一路径规划算法UPP，通过自适应启发式加权动态平衡安全与最优性，引入OptiSafe指标评估，实验证明在复杂环境中性能优于现有方法。

Comments 26 pages

Evaluating VLMs' Spatial Reasoning Over Robot Motion: A Step Towards Robot Planning with Motion Preferences

评估VLMs在机器人运动中的空间推理能力：迈向具有运动偏好的机器人规划的一步

Wenxi Wu, Jingjing Zhang, Martim Brandão

机构 * King’s College London（伦敦国王学院） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文评估了四种先进VLMs在机器人运动中的空间推理能力，探讨了运动偏好（如物体接近性和路径风格）的处理，并分析了准确率与计算成本的权衡。

Comments Accepted to the First Workshop on Efficient Spatial Reasoning at ICLR 2026

CarPLAN: Context-Adaptive and Robust Planning with Dynamic Scene Awareness for Autonomous Driving

CarPLAN: 基于动态场景感知的上下文自适应与鲁棒规划

Junyong Yun, Jungho Kim, ByungHyun Lee, Dongyoung Lee, Sehwan Choi, Seunghyeop Nam, Kichun Jo, Jun Won Choi

机构 * Department of Artificial Intelligence, Hanyang University（翰林大学人工智能系） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学人工智能跨学科项目） ； Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电子与计算机工程系） ； Department of Automotive Engineering, Hanyang University（翰林大学汽车工程系） 纠错

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

AI总结 CarPLAN通过位移感知预测编码和上下文自适应多专家解码器，提升自动驾驶在复杂场景中的鲁棒性和适应性规划能力。

Comments 10 pages, 6 figures. Under review at IEEE Transactions on Intelligent Transportation Systems

FAPE-IR: Frequency-Aware Planning and Execution Framework for All-in-One Image Restoration

FAPE-IR：面向全场景图像修复的频率感知规划与执行框架

Jingren Liu, Shuning Xu, Qirui Yang, Yun Wang, Xiangyu Chen, Zhong Ji

机构 * Tianjin University（天津大学） ； University of Macau（澳门大学） ； City University of Hong Kong（香港城市大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究所（TeleAI）） 纠错

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

AI总结 本文提出FAPE-IR框架，通过频率感知规划与执行模块，结合多模态大语言模型和LoRA-MoE架构，实现统一且可解释的全场景图像修复，实验显示其在七项任务中表现优异。

ThreatGPT: An Agentic AI Framework for Enhancing Public Safety through Threat Modeling

ThreatGPT: 一个通过威胁建模增强公共安全的代理AI框架

Sharif Noor Zisad, Ragib Hasan

机构 * Department of Computer Science（计算机科学系） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 ThreatGPT通过整合AI与人类判断，帮助工程师、安全官和政策制定者分析公共安全系统的威胁，利用STRIDE、MITRE ATT&CK等框架生成智能威胁模型，提升安全防护能力。

Compiling Temporal Numeric Planning into Discrete PDDL+: Extended Version

将时间数值规划编译为离散PDDL+：扩展版

Andrea Micheli, Enrico Scala, Alessandro Valentini

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

AI总结 本文提出了一种将时间数值规划编译为离散PDDL+的方法，该方法在多项式时间内运行，保留计划长度至常数因子，并在实际应用中有效解决复杂的时间数值问题。

Comments This paper is an extended version of the homonymous appearing in the ICAPS 2026 proceedings. This version provides the proofs and addidional explanations of the compilation

LABSHIELD: A Multimodal Benchmark for Safety-Critical Reasoning and Planning in Scientific Laboratories

LABSHIELD：一种多模态基准，用于科学实验室中的安全关键推理和规划

Qianpu Sun, Xiaowei Chi, Yuhan Rui, Ying Li, Kuangzhi Ge, Jiajun Li, Sirui Han, Shanghang Zhang

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

AI总结 LABSHIELD是一个多模态基准，用于评估MLLM在科学实验室中的安全关键推理和规划能力，揭示了现有模型在专业实验室场景中的性能差距。

DocSage: An Information Structuring Agent for Multi-Doc Multi-Entity Question Answering

DocSage：一个多文档多实体问答的信息结构代理

Teng Lin, Yizhang Zhu, Zhengxuan Zhang, Yuyu Luo, Nan Tang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 DocSage通过动态模式发现、结构化信息提取和模式感知推理，解决多文档多实体问答中的跨文档证据链构建和实体关系推断问题，实现超过27%的准确率提升。

Taming OpenClaw: Security Analysis and Mitigation of Autonomous LLM Agent Threats

驯服OpenClaw：自主LLM代理威胁的分析与缓解

Xinhao Deng, Yixiang Zhang, Jiaqing Wu, Jiaqi Bai, Sibo Yi, Zhuoheng Zou, Yue Xiao, Rennai Qiu, Jianan Ma, Jialuo Chen, Xiaohu Du, Xiaofang Yang, Shiwen Cui, Changhua Meng, Weiqiang Wang, Jiaxing Song, Ke Xu, Qi Li

机构 * Ant Group & Tsinghua University（蚂蚁集团与清华大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文分析了自主LLM代理OpenClaw的安全威胁，提出五层安全框架，揭示现有防御机制的不足，并提出包括插件审查、上下文过滤等在内的综合防御策略。

OA-NBV: Occlusion-Aware Next-Best-View Planning for Human-Centered Active Perception on Mobile Robots

OA-NBV：面向移动机器人人类中心主动感知的遮挡感知下一步最佳视角规划

Boxun Hu, Chang Chang, Jiawei Ge, Man Namgung, Xiaomin Lin, Axel Krieger, Tinoosh Mohsenin

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

AI总结 OA-NBV是一种面向移动机器人人类中心主动感知的遮挡感知下一步最佳视角规划方法，通过目标为中心的可见性模型提高遮挡环境下视角选择的成功率和观察质量。

GTR-Turbo: Merged Checkpoint is Secretly a Free Teacher for Agentic VLM Training

GTR-Turbo：合并的检查点实际上是为代理VLM训练提供免费的教师

Tong Wei, Yijun Yang, Changhao Zhang, Junliang Xing, Yuanchun Shi, Zongqing Lu, Deheng Ye

机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯文生） ； Peking University（北京大学） 纠错

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

AI总结 GTR-Turbo通过合并检查点作为免费教师，提升了多模态代理训练的效率和效果。

Comments Accepted by CVPR 2026

Self-Improving Loops for Visual Robotic Planning

自改进循环用于视觉机器人规划

Calvin Luo, Zilai Zeng, Mingxi Jia, Yilun Du, Chen Sun

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

AI总结 SILVR通过自生成轨迹迭代更新视频模型，实现视觉机器人任务的持续改进，无需人类演示或奖励函数。

Comments ICLR 2026. Project Page: https://diffusion-supervision.github.io/silvr/

SafeGen-LLM: Enhancing Safety Generalization in Task Planning for Robotic Systems

SafeGen-LLM: 提高机器人系统任务规划中的安全性泛化能力

Jialiang Fan, Weizhe Xu, Mengyu Liu, Oleg Sokolsky, Insup Lee, Fanxin Kong

机构 * University of Notre Dame（诺丁汉大学） ； Washington State University（华盛顿州立大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 SafeGen-LLM通过两阶段框架提升机器人任务规划的安全性泛化能力，优于现有基线。

Comments 12 pages, 6 figures

Regret-Optimal Q-Learning with Low Cost for Single-Agent and Federated Reinforcement Learning

降低单智能体和联邦强化学习成本的最优遗憾Q学习

Haochen Zhang, Zhong Zheng, Lingzhou Xue

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

AI总结 本文提出两种新型算法，实现单智能体和联邦强化学习中最优遗憾、低烧入成本及对数级策略切换或通信成本。

Comments arXiv admin note: text overlap with arXiv:2502.02859

VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments

VORL-EXPLORE: 多机器人在动态环境中的混合学习规划方法

Ning Liu, Sen Shen, Zheng Li, Sheng Liu, Dongkun Han, Shangke Lyu, Thomas Braunl

机构 * The University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； Nanjing University（南京大学） 纠错

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

AI总结 VORL-EXPLORE通过混合学习和规划方法，解决多机器人在动态环境中探索时的执行保真度问题，提升路径效率与安全交互。

NaviDriveVLM: Decoupling High-Level Reasoning and Motion Planning for Autonomous Driving

NaviDriveVLM：解耦高层推理与运动规划用于自动驾驶

Ximeng Tao, Pardis Taghavi, Dimitar Filev, Reza Langari, Gaurav Pandey

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX 77843, USA（杰米·沃克’66机械工程系，德克萨斯A&M大学，学院站，TX 77843，美国） ； The Department of Engineering Technology and Industrial Distribution Texas A&M University, College Station, TX 77843, USA（工程技术与工业分配系，德克萨斯A&M大学，学院站，TX 77843，美国） 纠错

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

AI总结 NaviDriveVLM通过解耦高层推理与运动规划，提升自动驾驶中的推理能力与效率

Ego-Vision World Model for Humanoid Contact Planning

人形机器人接触规划的视角世界模型

Hang Liu, Yuman Gao, Sangli Teng, Yufeng Chi, Yakun Sophia Shao, Zhongyu Li, Maani Ghaffari, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出了一种结合学习世界模型与MPC的框架，用于提升人形机器人在复杂环境中的接触规划能力，实现更高效和稳健的多任务执行。

RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks

RoboPARA: 双臂机器人任务并行规划的平行分配与重组

Shiying Duan, Pei Ren, Nanxiang Jiang, Zhengping Che, Jian Tang, Zhaoxin Fan, Yifan Sun, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北航） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for Applied Statistics, School of Statistics, Renmin University of China（应用统计中心，统计学院，中国人民大学） 纠错

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

AI总结 RoboPARA通过双臂任务并行规划框架，提升复杂多任务场景下的效率和可靠性，引入首个评估双臂任务并行性的数据集。

Comments Accepted to ICLR 2026

Dynamic Targeting of Satellite Observations Using Supplemental Geostationary Satellite Data and Hierarchical Planning

利用补充静止轨道卫星数据和分层规划实现卫星观测的动态瞄准

Akseli Kangaslahti, Itai Zilberstein, Alberto Candela, Steve Chien

机构 * Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA（喷气推进实验室，加州理工学院，帕萨迪纳，CA） ； Harvard University, Cambridge, MA（哈佛大学，剑桥，MA） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA（计算机科学系，卡内基梅隆大学，匹兹堡，PA） 纠错

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

AI总结 本文提出了一种利用静止轨道卫星数据和分层规划方法，提升动态瞄准任务中观测规划效率的解决方案，实验表明其在特定场景下性能提升达41%。

Comments Appears in the proceedings of the 2026 IEEE International Conference on Robotics and Automation

Beyond Rows to Reasoning: Agentic Retrieval for Multimodal Spreadsheet Understanding and Editing

超越行到推理：面向多模态电子表格理解与编辑的智能检索

Anmol Gulati, Sahil Sen, Waqar Sarguroh, Kevin Paul

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

AI总结 BRTR通过迭代工具调用框架实现多模态电子表格的端到端理解与编辑，取得领先性能。

Real-Time AI Service Economy: A Framework for Agentic Computing Across the Continuum

实时AI服务经济：跨连续体的代理计算框架

Lauri Lovén, Alaa Saleh, Reza Farahani, Ilir Murturi, Miguel Bordallo López, Praveen Kumar Donta, Schahram Dustdar

机构 * Future Computing Group, University of Oulu（奥卢大学未来计算组） ； Department of Information Technology (ITEC), University of Klagenfurt（克雷夫特大学信息科技学院） ； Department of Mechatronics, University of Prishtina（普里什蒂纳大学机电学院） ； Multimodal Sensing Lab, University of Oulu（奥卢大学多模态感知实验室） ； Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系） ； ICREA Barcelona, Spain and the Distributed Systems Group, TU Wien（巴塞罗那ICREA和维也纳技术大学分布式系统组） 纠错

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

AI总结 本文提出了一种混合架构，通过封装复杂子图到资源切片，解决实时AI服务在设备-边缘-云连续体上的资源分配问题，验证了依赖图拓扑对价格稳定性和系统性能的关键影响。

Large-Language-Model-Guided State Estimation for Partially Observable Task and Motion Planning

基于大语言模型的态估计用于部分可观测任务和运动规划

Yoonwoo Kim, Raghav Arora, Roberto Martín-Martín, Peter Stone, Ben Abbatematteo, Yoonchang Sung

机构 * The University of Texas at Austin（德克萨斯大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出CoCo-TAMP框架，利用大语言模型的常识推理能力，通过分层态估计提升部分可观测任务和运动规划的效率。

One Model for All Tasks: Leveraging Efficient World Models in Multi-Task Planning

一个模型用于所有任务：利用高效的world models进行多任务规划

Yuan Pu, Yazhe Niu, Jia Tang, Junyu Xiong, Shuai Hu, Hongsheng Li

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong MMLab（香港中文大学 MMLab） ； University of Science and Technology of China（中国科学技术大学） ； Novosibirsk State University（新西伯利亚州立大学） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） 纠错

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

AI总结 ScaleZero通过混合专家架构和动态参数扩展策略，实现单一模型在多任务规划中的高效性能。

Comments 55 pages, 20 figures. Accepted as a conference paper at ICLR 2026

Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model

8个标记的规划：一种用于潜在世界模型的紧凑离散标记器

Dongwon Kim, Gawon Seo, Jinsung Lee, Minsu Cho, Suha Kwak

机构 * KAIST（韩国科学技术院） ； POSTECH（POSTECH大学） ； RLWRLD 纠错

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

AI总结 本文提出CompACT，一种将观测压缩为8个标记的离散标记器，显著降低计算成本并提升规划效率，为潜在世界模型的实际应用提供可行方案。

Comments CVPR 2026