AI Agent

Structural Induced Exploration for Balanced and Scalable Multi-Robot Path Planning

结构诱导探索用于平衡和可扩展的多机器人路径规划

Zikun Guo, Adeyinka P. Adedigba, Rammohan Mallipeddi, Heoncheol Lee

机构 * Department of Artificial Intelligence, School of Electronics Engineering, Kyungpook National University（人工智能系，电子工程学院，韩国庆北国立大学） ； Department of IT Convergence Engineering, Kumoh National Institute of Technology（IT融合工程系，木谷国立技术学院） 纠错

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

AI总结 本文提出一种结构诱导探索框架，通过整合结构先验和负载感知目标，提升多机器人路径规划的效率与负载平衡能力。

Comments 20pages, 6Figues

AMS-IO-Bench and AMS-IO-Agent: Benchmarking and Structured Reasoning for Analog and Mixed-Signal Integrated Circuit Input/Output Design

AMS-IO-Bench 和 AMS-IO-Agent：用于模拟和混合信号集成电路输入/输出设计的基准测试与结构化推理

Zhishuai Zhang, Xintian Li, Shilong Liu, Aodong Zhang, Lu Jie, Nan Sun

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

AI总结 本文提出 AMS-IO-Agent 和 AMS-IO-Bench，通过结构化推理提升模拟和混合信号集成电路输入/输出设计效率，实现高通过率和缩短设计周期。

Comments 8 pages, 5 figures. Accepted to AAAI 2026

EcoNet: Multiagent Planning and Control Of Household Energy Resources Using Active Inference

EcoNet：利用主动推断进行多智能体家庭能源资源规划与控制

John C. Boik, Kobus Esterhuysen, Jacqueline B. Hynes, Axel Constant, Ines Hipolito, Mahault Albarracin, Alex B. Kiefer, Karl Friston

机构 * VERSES, Los Angeles, CA, USA（VERSES, 美国洛杉矶州） ； Spatial Web Foundation, Los Angeles, CA, USA（空间网络基金会, 美国洛杉矶州） ； Dept. of Engineering and Informatics, Univ. of Sussex, Brighton, UK（工程与信息学系, 英国苏塞克斯大学） ； Institut Sante et societe, UQAM, Montreal, CAN（健康与社会研究所, 加拿大蒙特利尔） ； Macquarie University, Sydney, AUS（麦考瑞大学, 澳大利亚悉尼） ； LearnableLoopAI.com, Custer, WA, USA（LearnableLoopAI.com, 美国华盛顿州） ； Queen Square Institute of Neurology, UCL, London, UK（queen square 神经学研究所, 英国伦敦大学学院） 纠错

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

AI总结 EcoNet通过主动推断方法，解决家庭能源管理中的不确定性及多目标冲突问题，提升能源调度与协调效率。

Comments 17 pages, 9 figures

Inspection Planning Primitives with Implicit Models

基于隐式模型的检查规划原语

Jingyang You, Hanna Kurniawati, Lashika Medagoda

机构 * School of Computing, The Australian National University（澳大利亚国立大学计算学院） ； Abyss Solutions（Abyss解决方案） 纠错

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

AI总结 本文提出基于隐式模型的检查规划原语，使基于采样的检查规划器能高效利用神经SDFs表示，减少内存使用并提升规划效率。

On-device Large Multi-modal Agent for Human Activity Recognition

用于人体活动识别的设备端大多模态智能体

Md Shakhrul Iman Siam, Ishtiaque Ahmed Showmik, Guanqun Song, Ting Zhu

机构 * The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 本文提出了一种用于人体活动识别的设备端大多模态智能体，结合大语言模型提升性能与可解释性，实现高分类准确率和用户友好交互。

Results of the 2024 CommonRoad Motion Planning Competition for Autonomous Vehicles

2024年自动驾驶车辆运动规划竞赛结果

Yanliang Huang, Xia Yan, Peiran Yin, Zhenduo Zhang, Zeyan Shao, Youran Wang, Haoliang Huang, Matthias Althoff

机构 * Technical University of Munich（慕尼黑技术大学） ； RWTH Aachen（亚琛工业大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 2024年CommonRoad运动规划竞赛评估了自动驾驶车辆在高速公路和城市环境中的运动规划算法性能，通过四个维度比较了多种高性能规划器。

Scrum Sprint Planning: LLM-based and algorithmic solutions

Scrum迭代规划：基于大语言模型和算法的解决方案

Yuwon Yoon, Kevin Iwan, Madeleine Zwart, Xiaohan Qin, Hina Lee, Maria Spichkova

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

AI总结 本文探讨了大语言模型在Scrum迭代规划中的应用，通过实验发现其结果质量不满足直接使用需求。

CauTraj: A Causal-Knowledge-Guided Framework for Lane-Changing Trajectory Planning of Autonomous Vehicles

CauTraj：一种融合因果知识的车道变换轨迹规划框架

Cailin Lei, Haiyang Wu, Yuxiong Ji, Xiaoyu Cai, Yuchuan Du

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

AI总结 CauTraj通过整合因果知识提升自动驾驶车辆车道变换轨迹规划的精度与稳定性。

LLaViDA: A Large Language Vision Driving Assistant for Explicit Reasoning and Enhanced Trajectory Planning

LLaViDA: 一种用于显式推理和增强轨迹规划的大型语言视觉驾驶助手

Yudong Liu, Spencer Hallyburton, Jiwoo Kim, Yueqian Lin, Yiming Li, Qinsi Wang, Hui Ye, Jingwei Sun, Miroslav Pajic, Yiran Chen, Hai Li

机构 * Duke University（杜克大学） ； Georgia State University（佐治亚州立大学） ； University of Florida（佛罗里达大学） 纠错

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

AI总结 LLaViDA通过视觉-语言模型实现显式推理和轨迹规划，提升自动驾驶的轨迹规划性能。

Instruction-Level Weight Shaping: A Framework for Self-Improving AI Agents

指令级权重塑造：一种自我改进的AI代理框架

Rimom Costa

机构 * Adobe Commerce Cloud Support Engineering - EMEA Division（Adobe 商业云支持工程 - EMEA部门） 纠错

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

AI总结 指令级权重塑造通过外部可审计伪参数提升AI代理的自我改进能力，实现低延迟部署和减少幻觉，适用于动态领域。

Comments 12 pages, 1 figure, 2 tables

Planning as Descent: Goal-Conditioned Latent Trajectory Synthesis in Learned Energy Landscapes

规划作为下降：在学习的能量景观中进行目标条件化潜在轨迹合成

Carlos Vélez García, Miguel Cazorla, Jorge Pomares

机构 * University of Alicante（阿利坎特大学） 纠错

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

AI总结 PaD通过学习目标条件化能量函数实现离线无奖励规划，以验证为基础进行轨迹合成，取得95%的成功率并优于现有方法。

Enhancing Long Document Long Form Summarisation with Self-Planning

通过自规划增强长文档长形式摘要

Xiaotang Du, Rohit Saxena, Laura Perez-Beltrachini, Pasquale Minervini, Ivan Titov

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出了一种基于自规划的长文档摘要方法，通过内容计划提升摘要的可追溯性和准确性，在多个数据集上取得了显著的ROUGE-L和SummaC得分提升。

Synthelite: Chemist-aligned and feasibility-aware synthesis planning with LLMs

Synthelite: 基于LLM的化学家对齐且可行性感知的合成规划

Nguyen Xuan-Vu, Daniel Armstrong, Milena Wehrbach, Andres M Bran, Zlatko Jončev, Philippe Schwaller

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； National Centre of Competence in Research (NCCR) Catalysis（瑞士国家催化研究中心） ； B12 Labs（B12实验室） 纠错

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

AI总结 Synthelite 基于LLM实现化学家对齐且可行性感知的合成规划，通过自然语言提示允许专家干预，成功率达95%。

Enter the Void - Planning to Seek Entropy When Reward is Scarce

进入虚无 - 在奖励稀缺时规划以寻求熵

Ashish Sundar, Chunbo Luo, Xiaoyang Wang

机构 * Department of Computer Science University of Exeter（计算机科学系埃克塞特大学） 纠错

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

AI总结 本文提出了一种基于世界模型的分层规划方法，在奖励稀缺时主动寻找信息丰富的状态，提升样本效率，应用于Dreamer时在迷宫任务中效率提升50%。

Comments 10 pages without appendix, 15 Figures, preprint

VERAFI: Verified Agentic Financial Intelligence through Neurosymbolic Policy Generation

VERAFI：通过神经符号策略生成实现验证的代理金融智能

Adewale Akinfaderin, Shreyas Subramanian

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

AI总结 VERAFI通过神经符号策略生成实现验证的代理金融智能，显著提升金融领域事实正确性与合规性。

A User-Tunable Machine Learning Framework for Step-Wise Synthesis Planning

一种可调的机器学习框架用于分步合成规划

Shivesh Prakash, Nandan Patel, Hans-Arno Jacobsen, Viki Kumar Prasad

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

AI总结 MHNpath是一种可调机器学习框架，用于分步合成规划，通过优化反应路径优先级，提高合成预测的准确性和环保性。

WAM-Flow: Parallel Coarse-to-Fine Motion Planning via Discrete Flow Matching for Autonomous Driving

WAM-Flow：通过离散流匹配实现自动驾驶的并行粗到细路径规划

Yifang Xu, Jiahao Cui, Feipeng Cai, Zhihao Zhu, Hanlin Shang, Shan Luan, Mingwang Xu, Neng Zhang, Yaoyi Li, Jia Cai, Siyu Zhu

机构 * Fudan University（复旦大学） ； Yinwang Intelligent Technology Co., Ltd（英伟达智能科技有限公司） 纠错

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

AI总结 WAM-Flow通过离散流匹配实现自动驾驶的并行粗到细路径规划，结合几何感知目标和并行生成，提升闭环性能。

Comments 18 pages, 11 figures. Code & Model: https://github.com/fudan-generative-vision/WAM-Flow

Octopus: Agentic Multimodal Reasoning with Six-Capability Orchestration

Octopus: 六种能力协同的代理多模态推理

Yifu Guo, Zishan Xu, Zhiyuan Yao, Yuquan Lu, Jiaye Lin, Sen Hu, Zhenheng Tang, Huacan Wang, Ronghao Chen

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 Octopus通过六种能力协同实现多模态代理推理，有效提升复杂任务中的自主探索与动态能力选择能力。

COMPARE: Clinical Optimization with Modular Planning and Assessment via RAG-Enhanced AI-OCT: Superior Decision Support for Percutaneous Coronary Intervention Compared to ChatGPT-5 and Junior Operators

COMPARE: 通过RAG增强的AI-OCT实现临床优化：与ChatGPT-5和初级操作者相比，为经皮冠状动脉介入术提供更优的决策支持

Wei Fang, Chiyao Wang, Wenshuai Ma, Hui Liu, Jianqiang Hu, Xiaona Niu, Yi Chu, Mingming Zhang, Jingxiao Yang, Dongwei Zhang, Zelin Li, Pengyun Liu, Jiawei Zheng, Pengke Zhang, Chaoshi Qin, Wangang Guo, Bin Wang, Yugang Xue, Wei Zhang, Zikuan Wang, Rui Zhu, Yihui Cao, Quanmao Lu, Rui Meng, Yan Li

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

AI总结 CA-GPT通过RAG增强的AI-OCT系统在PCI规划和评估中优于ChatGPT-5和初级医生，提供更可靠的决策支持。

TP-RAG: Benchmarking Retrieval-Augmented Large Language Model Agents for Spatiotemporal-Aware Travel Planning

TP-RAG：用于时空感知旅行规划的检索增强型大语言模型代理基准测试

Hang Ni, Fan Liu, Xinyu Ma, Lixin Su, Shuaiqiang Wang, Dawei Yin, Hui Xiong, Hao Liu

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

AI总结 TP-RAG提出了一种用于时空感知旅行规划的检索增强型大语言模型基准测试，通过整合参考轨迹提升旅行计划的空间效率和兴趣点合理性，采用EvoRAG框架实现更高效的时空合规性。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing

Closing the Train-Test Gap in World Models for Gradient-Based Planning

缩小世界模型在基于梯度规划中的训练-测试差距

Arjun Parthasarathy, Nimit Kalra, Rohun Agrawal, Yann LeCun, Oumayma Bounou, Pavel Izmailov, Micah Goldblum

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出改进世界模型训练方法，以提高基于梯度的规划效率，缩小训练与测试之间的性能差距。

Agentic AI as Undercover Teammates: Argumentative Knowledge Construction in Hybrid Human-AI Collaborative Learning

代理AI作为潜入队友：混合人机协作学习中的论证知识构建

Lixiang Yan, Yueqiao Jin, Linxuan Zhao, Roberto Martinez-Maldonado, Xinyu Li, Xiu Guan, Wenxin Guo, Xibin Han, Dragan Gašević

机构 * Tsinghua University（清华大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本研究探讨代理AI作为潜入队友在混合人机协作学习中对论证知识构建的影响，发现其通过促进高质量推理和协调性提升学习效果。

Embodied Tree of Thoughts: Deliberate Manipulation Planning with Embodied World Model

具身思维树：基于具身世界模型的 deliberative 操控规划

Wenjiang Xu, Cindy Wang, Rui Fang, Mingkang Zhang, Lusong Li, Jing Xu, Jiayuan Gu, Zecui Zeng, Rui Chen

机构 * University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； Tsinghua University（清华大学） ； JD Explore Academy（京东探索学院） ； ShanghaiTech University（上海科技大学） ； 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 EToT通过基于物理的交互数字双胞胎实现具身世界模型，结合先验分支和反思分支机制，提升机器人操控规划的物理一致性和鲁棒性。

Comments Website at https://embodied-tree-of-thoughts.github.io

TrajMoE: Scene-Adaptive Trajectory Planning with Mixture of Experts and Reinforcement Learning

TrajMoE: 基于混合专家与强化学习的场景自适应轨迹规划

Zebin Xing, Pengxuan Yang, Linbo Wang, Yichen Zhang, Yiming Hu, Yupeng Zheng, Junli Wang, Yinfeng Gao, Guang Li, Kun Ma, Long Chen, Zhongpu Xia, Qichao Zhang, Hangjun Ye, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Xiaomi（小米公司） 纠错

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

AI总结 TrajMoE通过混合专家与强化学习方法，实现场景自适应的轨迹规划，提升规划性能并获得基准测试第三名。

Towards agent-based-model informed neural networks

向基于代理的模型启发的神经网络

Nino Antulov-Fantulin

机构 * ETH Zurich, Computational Social Science（苏黎世联邦理工学院，计算社会科学） 纠错

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

AI总结 本文提出基于代理模型启发的神经网络，通过受限图神经网络和分层分解学习可解释的动力学，在复杂系统建模中实现结构保持与约束满足。

Smart Spatial Planning in Egypt: An Algorithm-Driven Approach to Public Service Evaluation in Qena City

埃及智能空间规划：一种算法驱动的公共服务评估方法（以季纳市为例）

Mohamed Shamroukh, Mohamed Alkhuzamy Aziz

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

AI总结 本研究提出了一种基于Voronoi图的智能算法，用于评估埃及季纳市公共服务覆盖情况，发现市中心服务密度高，郊区覆盖低，模型为数据驱动的城市规划提供可复制的框架。

FlockVote: LLM-Empowered Agent-Based Modeling for Simulating U.S. Presidential Elections

FlockVote: 基于大语言模型的智能体建模用于模拟美国总统选举

Lingfeng Zhou, Yi Xu, Zhenyu Wang, Dequan Wang

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

AI总结 FlockVote利用大语言模型构建智能体建模框架，用于模拟美国总统选举，实现高保真度的社会模拟与可解释性研究。

Comments Published as a conference paper at ICAIS 2025

POLARIS: Is Multi-Agentic Reasoning the Next Wave in Engineering Self-Adaptive Systems?

POLARIS：多智能体推理是否是工程自适应系统下一波浪潮？

Divyansh Pandey, Vyakhya Gupta, Prakhar Singhal, Karthik Vaidhyanathan

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

AI总结 POLARIS通过多智能体推理框架提升自适应系统在复杂环境中的适应能力与预测性能。

Comments Accepted as a short paper at SEAMS 2026

3D Path Planning for Robot-assisted Vertebroplasty from Arbitrary Bi-plane X-ray via Differentiable Rendering

基于不同可微渲染的任意双平面X射线引导的机器人辅助椎体成形术3D路径规划

Blanca Inigo, Benjamin D. Killeen, Rebecca Choi, Michelle Song, Ali Uneri, Majid Khan, Christopher Bailey, Axel Krieger, Mathias Unberath

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

AI总结 本研究提出了一种基于不同可微渲染的3D路径规划方法，利用双平面X射线实现无需CT的机器人辅助椎体成形术路径规划，提升了重建精度和泛化能力。

Bayesian Active Inference for Intelligent UAV Anti-Jamming and Adaptive Trajectory Planning

基于贝叶斯主动推断的智能无人机抗干扰与自适应轨迹规划

Ali Krayani, Seyedeh Fatemeh Sadati, Lucio Marcenaro, Carlo Regazzoni

机构 * University of Genoa（热那亚大学） ； Italian National Inter-University Consortium for Telecommunications (CNIT)（意大利国家大学电信联合体（CNIT）） 纠错

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

AI总结 本文提出基于贝叶斯主动推断的无人机抗干扰与自适应轨迹规划方法，通过结合专家示范与概率生成模型，实现高层规划与底层策略的协同，有效减少干扰并提升任务效率。

Comments This paper has been accepted for the 2026 IEEE Consumer Communications & Networking Conference (IEEE CCNC 2026)