AI Agent

Wigner and friends, a map is not the territory! Contextuality in multi-agent paradoxes

Sidiney B. Montanhano

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

Comments Minor corrections. 12 pages, 2 figures, 3 tables; 20 pages with appendix and references

Journal ref Foundations of Science, 30(4), 971-1002 (2025)

Multi-Agent Reinforcement Learning for Base Station Placement in TDOA-Based Localization

基于TDOA定位的基站部署多智能体强化学习方法

Bastian Perner, Pratik Gajanan Raut, Maximilian Lübke, Norman Franchi

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

AI总结 针对TDOA定位的基站部署问题，提出射线追踪辅助的MARL框架，在校园数据集上训练PPO智能体，其定位精度与传统GDOP方法相当，可选择性降低定位误差。

Comments to be published in conference proceedings of IEEE PIMRC 2026

AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration

AgentRadio：面向长 horizon 多智能体协作的被动感知机制

Xinxing Ren, Qianbo Zang, Ziyan Wang, Caelum Forder, Suman Deb, Peter Carroll, Zekun Guo

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

AI总结 针对现有多智能体系统仅能在阶段间交换信息的局限，提出异步消息传递层 AgentRadio，使编码智能体保持被动感知，在 SWE-Atlas QnA 基准上多智能体任务解决率显著优于单个智能体及 Opus 4.8 版 Claude Code。

Emission-Forecasting-Based Spatial-Temporal Carbon Response: A Multi-Agent Attention-Enhanced Deep Learning Framework

基于排放预测的时空碳响应：多智能体注意力增强深度学习框架

Feiyu Cai, Jing Qiu, Yi Yang, Chenxi Zhang, Xinlei Wang, Baichuan Liu, Junhua Zhao

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

AI总结 该研究针对电力系统低碳调度延迟问题，提出多智能体注意力增强深度学习框架，可提前预测节点碳强度，在改进IEEE 33节点系统测试下减排超30%，推动主动碳管理。

Comments 31 pages, 11 figures

Virtual Elastic Tether: a New Approach for Multi-agent Navigation in Confined Aquatic Environments

虚拟弹性缆绳：一种多智能体在受限水下环境中的导航新方法

Kanzhong Yao, Xueliang Cheng, Keir Groves, Barry Lennox, Ognjen Marjanovic, Simon Watson

机构 * Manchester Centre for Robotics and AI, Department of Electrical and Electronic Engineering, University of Manchester（曼彻斯特机器人与人工智能中心，电气与电子工程系，曼彻斯特大学） 纠错

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

AI总结 本文提出了一种虚拟弹性缆绳（VET）方法，用于解决水下环境中多智能体导航的挑战，通过在不完全状态测量条件下实现更稳定的导航性能。

Comments This work has been submitted to the Wiley for possible publication

Journal ref Journal of Field Robotics 43, 3332-3350 (2026)

Fully Distributed Cooperative Multi-agent Underwater Obstacle Avoidance

完全分布式协同多智能体水下障碍规避

Kanzhong Yao, Ognjen Marjanovic, Simon Watson

机构 * University of Manchester（曼彻斯特大学） 纠错

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

AI总结 本文提出了一种受狗散步启发的多智能体水下障碍规避方法，通过模拟验证提升了智能体协同性能，优于传统视觉伺服方法。

Comments This work has been submitted to the IEEE for possible publication

Journal ref Towards Autonomous Robotic Systems (TAROS 2025), LNCS 16045, 367-380 (2026)

Before Agents Speak: Pre-hoc Failure Risk Inference in Multi-Agent Systems

智能体交流前：多智能体系统中的事前失败风险推断

Shi Lin, Chenpei Wang, Peng Qian, Dezhang Kong, Minghao Li, Yufeng Li, Xun Wang

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

AI总结 本研究针对多智能体系统中幻觉级联失败的问题，提出事前风险推断框架HalluProp，通过建模内在幻觉风险与传播机制实现早期诊断，性能优于事后方法，可提升系统可靠性。

EditDuet: A Multi-Agent System for Video Non-Linear Editing

Marcelo Sandoval-Castaneda, Bryan Russell, Josef Sivic, Gregory Shakhnarovich, Fabian Caba Heilbron

机构 * Adobe ； Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University（捷克信息学、机器人学与自动化技术研究所，捷克技术大学） 纠错

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

Comments SIGGRAPH 2025

Journal ref SIGGRAPH Conference Papers '25, Article 2, 1-11, ACM, 2025

Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning

通过系统多智能体深度强化学习实现复杂环境下的多无人机协同导航

Yu Su, Nabil Aouf

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

AI总结 针对复杂环境下多无人机协同导航面临的问题，提出多智能体深度强化学习框架，通过协同探索等方法解决，含感知、示范缓冲区和课程调度机制，能抽象特征实现跨场景转移，经仿真验证有良好性能。

Comments 13 pages, 7 figures

MR-TGN: A Meta-Role Temporal Graph Network for Team-Level Intent Prediction in Multi-Agent Systems

MR-TGN：用于多智能体系统中团队级意图预测的元角色时间图网络

Nagarani Brammanayagam, Devaprakash Muniraj

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

AI总结 针对多智能体系统集体意图预测难题，提出MR-TGN框架。它将智能体建模为动态图实体，用时间记忆机制编码交互行为，引入记忆增强元角色学习机制，无需明确角色标签，实验证明该框架能有效实现早期集体意图预测。

VPR-Evolve: Multi-Agent-Driven Algorithm Evolution for FPGA Place and Route

VPR-Evolve：用于FPGA布局布线的多智能体驱动算法进化

Qihang Wu, Taizun Jafri, Aman Arora, Vidya A. Chhabria

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

AI总结 研究针对CAD工具固定算法在不同电路设计效果不佳的问题，提出VPR-Evolve多智能体框架，通过进化VPR源代码优化布局布线。经实验，相比原始VPR和超参数调整基线，该框架在关键路径延迟、布线线长和工具运行时等方面有显著提升。

Energy Constrained Hierarchical Underwater Monitoring via Local Multi-Agent RAG

通过局部多智能体RAG实现能量受限的分层水下监测

Mohamed Amine Janati, Laurent Gautier, Stéphane Barbot

机构 * Ifremer（法国海洋开发研究院） ； IMT Atlantique（IMT大西洋高等电信学院） 纠错

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

AI总结 针对海洋生物监测受能量等限制的问题，提出结合边缘传感与局部推理的低功耗水下监测架构，采用分层设计，利用特定嵌入、识别层及多智能体框架，经案例研究评估，实现低功耗连续传感与局部多模态智能结合，减少能耗与通信开销。

Comments Contains 25 pages, 11 figures. To be submitted to Elsevier Ocean Engineering

Multi-Agent Reinforcement Learning for SLA-Aware Network Slicing in UAV-Enabled MEC

用于无人机支持的MEC中基于SLA感知的网络切片的多智能体强化学习

Mohammad Farhoudi, Zeinab Sasan, Masoud Shokrnezhad, Tarik Taleb

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

AI总结 研究无人机支持的MEC中保证SLA稳定性的问题，提出预测性多智能体强化学习框架，通过协调轨迹控制和资源分配维持SLA稳定，设计奖励函数，用MAPPO训练智能体，模拟表明该框架能显著提升SLA稳定性且保持性能优势。

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

QuantHarness: Price-Driven Multi-Agent LLMs for High-Frequency Trading

QuantHarness：用于高频交易的价格驱动多智能体大语言模型

Fei Xiong, Xiang Zhang, Aosong Feng, Siqi Sun, Chenyu You

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

AI总结 研究针对高频交易需求，引入QuantHarness多智能体LLM框架，将交易分解为四个智能体，利用结构化信号与LLM推理结合，经多金融工具实验验证，该框架在多指标上优于基线方法，为高频金融市场实时决策提供可行路径。

IDSTune: A Multi-Agent Collaborative Framework for Integrated Database System Tuning

IDSTune：一种用于集成数据库系统调优的多智能体协作框架

Yiyan Li, Guanli Liu, Renata Borovica-Gajic, Haoyang Li, Zihang Qiu, Xinmei Huang, Andreas Kipf, Cuiping Li, Hong Chen

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

AI总结 针对现有数据库调优方法未考虑组件相互依赖性及不足以处理多样工作负载等问题，提出IDSTune框架，通过大语言模型驱动多智能体协作联合优化多个配置组件，经实验验证其性能提升显著且调优速度快，适应性强。

Effect of Graph Gluing on Consensus in Networked Multi-Agent Systems

图粘合对网络多智能体系统共识的影响

Rohollah Moghadam, Santosh Kandel

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

AI总结 研究图粘合操作对多智能体网络系统性能的影响，分析连接策略与代数连通性之间的关系，通过仿真验证理论成果。

Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers

具有世界状态寄存器的流式多智能体自回归扩散模型

Sicheng Mo, Yuheng Li, Ziyang Leng, Krishna Kumar Singh, Bolei Zhou

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 研究多智能体交互世界模型共享状态维护难题，提出WorldWeaver模型，利用跨智能体世界状态寄存器及混合变压器设计，经双智能体我的世界视频生成实验验证，该模型能提升逻辑一致性与生成质量。

Comments Project page: https://vail-ucla.github.io/worldweaver/

ETPDesigner: Multi-Agent Orchestration for Interactive Multimodal Electronic Theater Program

ETPDesigner：用于交互式多模态电子剧院节目的多智能体编排

Mengtian Li, Xinru Guo, Xiaoru Lin, Xiao Rong, Zhifeng Xie, Chaofeng Chen

机构 * Shanghai University（上海大学） ； Shanghai Engineering Research Center of Motion Picture Special Effects（上海电影特效工程技术研究中心） ； Institute for Math and AI, Wuhan School of Artificial Intelligence, Wuhan University（武汉大学数学与人工智能研究院武汉人工智能学院） 纠错

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

AI总结 研究针对电子剧院节目设计难题，提出ETPDesigner多智能体框架，能从戏剧脚本合成高质量ETP，通过全局风格锚定机制保证一致性，还实现交互功能，经ETP-Pro基准测试验证了方法在多方面的优越性。

Learning Latency-Aware Orchestration for Multi-Agent Systems

学习多智能体系统的延迟感知编排

Xi Shi, Mengxin Zheng, Qian Lou

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

AI总结 针对多智能体系统推理延迟高的问题，提出延迟感知多智能体系统（LAMaS）。训练时通过约束优化学习延迟感知执行图，推理时用轻量级控制器补充。实验显示其在降低端到端延迟超50%的同时保持精度，且具模块化可移植性。

Comments This submission was intended to be an updated version of arXiv:2601.10560. Any subsequent updates will appear there

Dynamic Multi-Agent Pickup and Delivery in Robotic Cellular Warehousing Systems

机器人化仓储系统中的动态多智能体取送货

Cheng Ren, Ming Li, Xinping Guan, George Q. Huang

机构 * Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（工业与系统工程系，香港理工大学） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） 纠错

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

AI总结 针对订单内部SKU动态追加的仓库场景，首次形式化动态多智能体取送货问题，提出两种基于令牌传递的事件触发在线重规划算法，显著降低订单流时间。

Optimizing QoS in HD Map Updates: Cross-Layer Multi-Agent with Hierarchical and Independent Learning

在HD地图更新中优化服务质量：跨层多智能体与分层独立学习

Jeffrey Redondo, Nauman Aslam, Juan Zhang, Zhenhui Yuan

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

AI总结 本文提出了一种跨层多智能体方法，通过分层和独立学习优化HD地图更新的QoS，显著降低不同服务的延迟。

How network perturbations distort agreement trajectories in LTI multi-agent systems

网络扰动如何扭曲线性时不变多智能体系统中的一致性轨迹

Gal Barkai, Irinel-Constantin Morărescu

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

AI总结 研究网络扰动对线性时不变多智能体系统一致性轨迹的影响，通过建立拉普拉斯域准则等方法，揭示经典鲁棒同步存在漏洞，如同步到周期轨迹易被传输延迟破坏，d正则拓扑下传输扰动会使系统同步到新频率，强调需对网络参考生成器进行结构修改。

Comments 12 pages, 9 figures, submitted to IEEE for possible publication

On Optimal Event-Triggered Distributed Control for Stochastic Multi-Agent Systems via Reinforcement Learning

基于强化学习的随机多智能体系统最优事件触发分布式控制

Ziming Wang, Bingbing Li, Karl H. Johansson, Apostolos I. Rikos

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

AI总结 针对含随机不确定性的多智能体系统，提出基于强化学习的最优分布式控制算法，采用 actor-critic-identifier 结构，用低通滤波器和混合事件触发控制策略，经稳定性证明，在仿真中验证正确性并与非最优算法比较突出优势。

Laplacian Spectral Shaping for Non-Uniform Scaling Formation Control of Open Multi-Agent Systems

用于开放多智能体系统非均匀缩放编队控制的拉普拉斯谱整形

Tao He, Gangshan Jing

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

AI总结 研究开放多智能体系统非均匀缩放编队控制问题，开发分布式协议调整拉普拉斯矩阵部分权重，能在动态拓扑变化下保留期望编队谱，具有更稀疏传感图、无需预定义层次结构和支持领导者重新分配等优势，经理论分析和模拟验证有效。

DeliCIR: Memory-Guided Test-Time Deliberation via Multi-Agent Collaboration for Composed Image Retrieval

DeliCIR: 用于组合图像检索的深思型测试时进化分层多智能体

Xingtian Pei, Yukun Song, Changwei Wang, Shunpeng Chen, Rongtao Xu, Shengpeng Xu, Shibiao Xu

机构 * Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences)（计算机网络与信息安全部重点实验室，教育部，山东计算机科学中心（济南国家超算中心），青岛科技大学（山东科学院）） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； School of Artificial Intelligence, Mohamed bin Zayed University（Mohamed bin Zayed大学人工智能学院） 纠错

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

AI总结 提出一种分层感知-深思框架PDF，通过分层多智能体架构、意图路由管理器、决策管理器及锦标赛式测试时缩放策略，实现经验自进化与测试时缩放定律在组合图像检索中的首次应用，在三个基准数据集上达到最优性能。

Comments 10 pages, 3 figures,4 tables

A Visualization Framework for Exploring Multi-Agent-Based Simulations Case Study of an Electric Vehicle Home Charging Ecosystem

多智能体仿真可视化框架：电动汽车家庭充电生态系统的案例研究

Kristoffer Christensen, Bo Nørregaard Jørgensen, Zheng Grace Ma

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

AI总结 本文提出一种可视化框架，用于探索多智能体仿真中的涌现行为，通过案例研究展示其在电动汽车家庭充电生态系统中的应用与价值。

Journal ref Energy Informatics. EIA Nordic 2025. Lecture Notes in Computer Science, vol 16095

A hierarchical memory architecture overcomes context limits in long-horizon multi-agent computational modeling

分层内存架构克服长期多智能体计算建模中的上下文限制

Shivendra G. Tewari, Holly Kimko

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

AI总结 研究针对大语言模型在长期多智能体计算建模中因无状态架构受限的问题，提出Ensemble QSP多智能体框架，其分层内存架构可保持上下文稳定，经测试能自主进行药代动力学 - 药效学模型选择，提升参数恢复能力，且架构与领域无关。

Comments 19 pages, 4 figures, 2 tables. Preprint submitted for publication

An Agent-Centric Dynamical Systems Perspective on Multi-Agent Reinforcement Learning

基于智能体中心动力系统视角的多智能体强化学习

James Rudd-Jones, María Pérez-Ortiz, Mirco Musolesi

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

AI总结 提出将多智能体强化学习训练建模为耦合随机动力系统，利用动力系统理论分析智能体行为的稳定性和敏感性，以应对随机性挑战。

MAGiSt3R: Multi-Agent Feed-forward 3D Reconstruction from Monocular RGB Videos

MAGiSt3R：基于单目RGB视频的多智能体前馈3D重建

Ziren Gong, Xiaohan Li, Fabio Tosi, Ninghui Xu, Stefano Mattoccia, Jianfei Cai, Matteo Poggi

机构 * University of Bologna（博洛尼亚大学） ； The University of Hong Kong（香港大学） ； Southeast University（东南大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 研究基于单目RGB视频的多智能体3D重建问题，核心方法是用3R家族前馈模型和MAGMA合并模型，并进行姿态图优化，主要贡献是在合成和真实数据集上验证该框架相比现有方法有更高重建和相机跟踪精度。