AI Agent

Planning over Matrix-Factorization MDPs for Candidate Generation

基于矩阵分解MDP的候选生成规划

Mikhail Trapeznikov, Maksim Utushkin

专题命中 规划决策 ：planning(title,abstract)

AI总结 将推荐系统的用户旅程建模为MDP，通过折叠更新用户状态进行规划，实验表明单步前瞻即可显著提升固定嵌入下的检索效果。

Comments Accepted to the 5th Workshop on End-to-End Customer Journey Optimization at KDD 2026. 6 pages, 3 figures, 2 tables

Path planning for unmanned naval surface vehicles

无人水面航行器的路径规划

Daniel G. Schwartz

机构 * Department of Computer Science, Florida State University（计算机科学系，佛罗里达州立大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对无人水面航行器（USV）的固定和移动障碍物避碰问题，提出结合全局与局部路径规划器的新方法，全局规划器融合三种算法，局部规划器基于障碍物运动方向决策，仿真验证了有效性。

Journal ref AI Insights, Article 939, 1(1), 2025, 31 pages

When RAG Meets Query Planning: Logical Query Trees for Resolving Exploratory Reasoning Problems

当RAG遇见查询规划：用于解决探索性推理问题的逻辑查询树

Ganlin Xu, Linghao Zhang, Zhitao Yin, Hongda Xi, Chen Yang, Jiaqing Liang, Weijia Lu, Sihang Jiang, Yanghua Xiao, Deqing Yang

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对检索增强生成在探索性推理问题中的检索噪声和错误累积问题，提出PlanRAG框架，将自然语言建模为逻辑查询树，通过动态规划和代价模型优化查询树，实现高效并行处理，在WikiWeb-ERP数据集上优于现有方法。

Comments Accepted by SIGMOD 2027

Radio-Coverage-Aware Path Planning for Cooperative Autonomous Vehicles

面向无线覆盖的协同自主车辆路径规划

Giuseppe Baruffa, Luca Rugini, Francesco Binucci, Fabrizio Frescura, Paolo Banelli, Renzo Perfetti

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种考虑无线覆盖的路径规划算法，通过修改Dijkstra和A*等算法的成本函数，优化路径选择以减少行驶距离并提高覆盖效率。

Comments 11 pages, 19 figures

Journal ref IEEE Access, vol. 14, 2026

SPOT: Spatio-Temporal Obstacle-free Trajectory Planning for UAVs in Unknown Dynamic Environments

SPOT：未知动态环境中无人机的时空无碰撞轨迹规划

Astik Srivastava, Thomas J Chackenkulam, Bitla Bhanu Teja, Antony Thomas, Madhava Krishna

机构 * Robotics Research Center, IIIT Hyderabad, India（IIIT海得拉巴机器人研究中心，印度） ； IIT-BHU, India（IIT-BHU，印度） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种基于4维时空规划器、视觉安全飞行走廊生成和轨迹优化的无地图反应式运动规划方法，实现无人机在未知动态环境中的避障，并通过备份规划模块应对死锁。

Comments Accepted for publication at ICRA 2026. Code available at (https://astik-2002.github.io/ICRA-2026-SPOT/)

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

NeHMO：用于分散式安全多臂运动规划的神经Hamilton-Jacobi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Hamilton-Jacobi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、数据高效的多臂运动规划。

Structured 4D Latent Predictive Model for Robot Planning

结构化4D潜在预测模型用于机器人规划

Zhiyi Li, Peilin Wu, Xiaoshen Han, Ruojin Cai, Yilun Du

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出结构化4D潜在预测模型，在潜在空间中预测场景3D结构演化，实现3D一致的场景理解与机器人规划，在复杂操作任务中优于现有视频基规划器。

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

RRT-Rope: A deterministic shortening approach for fast near-optimal path planning in large-scale uncluttered 3D environments

RRT-Rope：一种用于大规模无杂波3D环境中快速近最优路径规划的确定性缩短方法

Louis Petit, Alexis Lussier Desbiens

机构 * University of Sherbrooke（舍布鲁克大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出RRT-Rope算法，通过改进RRT-Connect快速生成可行路径，并利用确定性缩短技术后处理，在大型无杂波3D环境中实现比现有RRT变体快70%的近最优路径规划。

Comments 8 pages, accepted at the 2021 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Melbourne, Australia

Journal ref 2021 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Melbourne, Australia, 2021, pp. 1111-1118

Hierarchical 3D Scene Graph Construction and Belief-based Planning for Semantic Navigation

层次化3D场景图构建与基于信念的语义导航规划

Bing Wu, Zuyao Chen, Changwen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出零样本语义导航框架，通过在线维护层次化3D场景图（HSG）实现多粒度语义拓扑，并基于信念规划进行有限视野推演，在长距离导航中显著提升成功率与路径效率。

Comments Camera-ready version accepted at ECCV 2026

TAPE: Tether-Aware Path Planning for Autonomous Exploration of Unknown 3D Cavities Using a Tangle-Compatible Tethered Aerial Robot

TAPE：面向自主探索未知三维空腔的系绳感知路径规划，采用防缠绕系绳空中机器人

Louis Petit, Alexis Lussier Desbiens

机构 * Createk Design Lab, University of Sherbrooke（谢布克大学Createk设计实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种两级分层路径规划方法，通过全局TSP最小化距离和局部可调决策函数平衡路径成本与系绳长度，实现未知三维空腔的自主探索，仿真和实地测试验证了有效性。

Comments 8 pages

Journal ref IEEE Robotics and Automation Letters, vol. 7, no. 4, pp. 10550-10557, 2022

Integrated Investment and Policy Planning for Power Systems via Differentiable Scenario Generation

通过可微场景生成实现电力系统的投资与政策规划整合

Robert Mieth

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种方法，联合优化电力系统容量规划决策与政策投资，通过可微场景生成技术提升规划模型的求解效率。

Comments Accepted to PowerUp 2026

Multi-Robot Coordination for Planning under Context Uncertainty

上下文不确定性下的多机器人协调规划

Pulkit Rustagi, Kyle Hollins Wray, Sandhya Saisubramanian

机构 * Collaborative Robotics and Intelligent Systems (CoRIS) Institute, Oregon State University（俄勒冈州立大学协作机器人与智能系统研究所） ； Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出多机器人上下文不确定随机最短路径问题，通过两阶段方法（CIMOP推断上下文，LCBS进行无碰撞路径规划）实现上下文未知时的协调与安全操作。

Comments 8 pages, 6 figures

LDHP: Library-Driven Hierarchical Planning for Non-prehensile Dexterous Manipulation

LDHP：基于库的非抓取灵巧操作分层规划

Tierui He, Jiahui Zuo, Fumin Zhang, Chao Zhao

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出库驱动分层规划器LDHP，通过顶层接触状态规划器与底层抓取规划器协同，实现非抓取操作的可执行性，在零自由度提升和槽插入任务中验证了鲁棒性。

Comments 8 pages,accepted by IROS 2026

MOAR Planner: Multi-Objective and Adaptive Risk-Aware Path Planning for Infrastructure Inspection with a UAV

MOAR规划器：用于无人机基础设施检查的多目标与自适应风险感知路径规划

Louis Petit, Alexis Lussier Desbiens

机构 * ICRA_Louis_Petit（ICRA_路易·佩蒂） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出MOAR路径规划器，通过风险感知成本函数和自适应速度规划，在接近障碍物时实时优化安全、时间和能量，实现无人机自主导航。

Comments 7 pages, accepted at the 2024 IEEE International Conference on Robotics and Automation (ICRA), Yokohama, Japan

Journal ref 2024 IEEE International Conference on Robotics and Automation (ICRA), pp. 8422-8428

A Unified Framework for Multi-Contact Path Planning in the Rolling Robot Systems

滚动机器人系统中多接触路径规划的统一框架

Qing Yu, Mikhail Svinin, Seyed Amir Tafrishi

机构 * Geometric Mechanics and Mechatronics in Robotics (gm 2 R) Lab, School of Engineering, Cardiff University（机器人几何力学与机电学实验室，工程学院，卡迪夫大学） ； Information Science and Engineering Department, Ritsumeikan University（信息科学与工程系，立命馆大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种基于Montana接触坐标的无滑移多球滚动路径规划框架，通过Voronoi图构建流形路径并利用log-exp平滑生成可行运动。

Comments 8 pages, accepted to IROS2026, Pittsburgh

Diagnosis-Driven Co-planning of Network Reinforcement and BESS for Distribution Grid with High Penetration of Electric Vehicles

基于高电动汽车渗透率的配电网网络强化与电池储能系统协同规划

Linhan Fang, Elias Raffoul, Xingpeng Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种诊断驱动协同规划框架，通过识别关键瓶颈线路并优化电池储能部署，解决高电动汽车渗透率下的配电网优化问题。

CoSPlan: Corrective Sequential Planning via Scene Graph Incremental Updates

CoSPlan: 通过场景图增量更新实现纠正式序列规划

Shresth Grover, Priyank Pathak, Akash Kumar, Yogesh S Rawat

机构 * UCF Institute of Artificial Intelligence, University of Central Florida (UCF)（中佛罗里达大学（UCF）人工智能研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 CoSPlan基准测试要求视觉语言模型在初始场景到目标场景间规划视觉动作序列，通过引入错误动作检测与纠正机制，评估模型在复杂视觉任务中的能力。

Comments The 19th European Conference on Computer Vision (ECCV)

A Digital Twin Framework for Adaptive Treatment Planning in Radiotherapy

放射治疗自适应规划的数字孪生框架

Chih-Wei Chang, Sri Sai Akkineni, Mingzhe Hu, Keyur Shah, Yuan Gao, Pretesh Patel, Ashesh B. Jani, Greeshma Agasthya, Jun Zhou, Xiaofeng Yang

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种数字孪生框架，集成深度学习配准、每日CBCT更新和知识评估，在前列腺SBRT中实现快速再优化，平均再优化时间5.5分钟，剂量覆盖和危及器官保护均达临床标准。

Journal ref Physics in Medicine & Biology, 2026

GenWorld: Empirically Grounded Urban Simulation Infrastructure for Scalable LLM-Agent Studies

GenWorld：用于可扩展LLM智能体研究的经验性城市模拟基础设施

Gen Li, Jieyuan Lan, Pengcheng Xu, Zongyuan Wu, Masaki Ogura, Tao Feng

专题命中 规划决策 ：agent(title,abstract)

AI总结 提出GenWorld，一种结合合成城市、结构化接口和离线编译LLM决策信号为查找策略的经验性城市模拟基础设施，实现可扩展的LLM智能体研究。

Comments 27 pages, 24 figures. Code: https://github.com/Perseus1993/genworld. Project page: https://genworld1993.netlify.app/

AO-ARC: Almost-Surely Asymptotically Optimal Multi-Robot Motion Planning with ARC

AO-ARC: 基于ARC的几乎必然渐近最优多机器人运动规划

James D. Motes, Marco Morales, Nancy M. Amato

机构 * Parasol Lab, School of Computing and Data Science, University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校计算与数据科学学院Parasol实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出AO-ARC方法，通过迭代调用ARC求解有界MRMP实例，实现初始解速度与最先进可行性求解器相当，且随机器人数量增加收敛更快更可靠，并证明其渐近最优性。

Uncertainty-aware Power System Planning via Gradient Descent

基于梯度下降的不确定性感知电力系统规划

Mehrnoush Ghazanfariharandi, Robert Mieth

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种考虑两阶段日前和实时运行不确定性的电力系统扩展规划方法，采用投影随机梯度下降算法结合原始-对偶优化框架和指数移动平均平滑策略，实现更低的总系统成本并满足可再生能源整合目标。

Ridge-filter crosstalk in conformal proton FLASH planning: dependence on beamlet pitch and iterative mitigation

适形质子FLASH计划中的脊形滤波器串扰：对束斑间距的依赖性与迭代缓解

Zongsheng Hu, Yuting Li, Henry Meyer, Xiaochun Wang, Susan L. McGovern, Emil Scheueler, Radhe Mohan, Uwe Titt

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究量化了适形质子FLASH计划中脊形滤波器串扰，发现其随束斑间距减小而增大，并通过迭代重优化将靶区平均相对剂量差异从8.9%降至3.4%。

Relating Reinforcement Learning to Dynamic Programming-Based Planning

将强化学习与基于动态规划的规划联系起来

Filip V. Georgiev, Kalle G. Timperi, Başak Sakçak, Steven M. LaValle

机构 * Center for Applied Computing, Faculty of Information Technology and Electrical Engineering, University of Oulu, Finland（奥卢大学信息科技与电气工程学院应用计算中心，芬兰） ； Dept. of Advanced Computing Sciences, Maastricht University, the Netherlands（马斯特里赫特大学高级计算科学系，荷兰） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文通过去随机化RL、数学分析等价条件及定义真实成本，桥接了最优规划与强化学习在模型、目标和参数上的差异。

Comments 43 pages, 8 figures, World Symposium on the Algorithmic Foundations of Robotics (WAFR 2026); added requested reviewer changes