AI Agent

Short-Term Synaptic Plasticity Stabilizes Goal-Conditioned Dynamics in a PFC-Inspired Reservoir Model for Multistep Goal-Directed Action Planning

短期突触可塑性在PFC启发的多步目标导向动作规划储层模型中稳定目标条件动力学

Jin Nakamura, Yuichi Katori

专题命中 规划决策 ：planning(title,abstract)

AI总结 通过将短期突触可塑性(STP)纳入前额叶皮层(PFC)启发的储层计算模型，研究了STP如何在行为时间尺度上稳定目标信息为目标条件动力学，并在多步目标导向动作选择任务中显著提高了噪声下的成功率。

Comments 68 pages, 33 figures, 3 tables; includes supplementary material; submitted to Neural Networks

Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving

桥接预测不确定性与安全行动：面向自动驾驶的样本条件可微分规划

Chengzhen Meng, Pei Liu, Zhiyu Huang, Chen Lv, Jun Ma

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology（香港科学与技术大学机器人与自主系统方向） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学电子与计算机工程系） ； Department of Civil and Environmental Engineering, University of California, Los Angeles（加州大学洛杉矶分校土木与环境工程系） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种样本条件可微分规划框架，通过扩散模型生成多样未来场景并直接输入可微分规划器，利用条件风险价值约束缓解预测不确定性，实现安全、高效、舒适的自动驾驶运动规划。

Motion Planning in Dynamic Environments: A Survey from Classical to Modern Methods

动态环境中的运动规划：从经典到现代方法的综述

Zongyuan Shen, Yaming Ou, Shalabh Gupta, Shancheng Zhao, Dehua Zhou, Gao Wang, Zhongqiang Ren, Junfeng Fan, Long Cheng

机构 * College of Information Science and Technology, Jinan University（济南大学信息科学与技术学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Electrical and Computer Engineering, University of Connecticut（康奈尔大学电子与计算机工程系） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文综述了138篇文献，将动态环境中的运动规划方法分为采样、图搜索、模型预测控制、学习及经典局部规划五类，分析了各方法的原理、优缺点及动态环境特有挑战。

QoEReasoner: An Agentic Reasoning Framework for Automated and Explainable QoE Diagnosis in RANs

QoEReasoner: 用于RAN中自动化和可解释QoE诊断的智能体推理框架

Qizhe Li, Haolong Chen, Shan Dai, Zhuo Li, Zhiwei Hu, Xuan Li, Guangxu Zhu, Qingjiang Shi

专题命中 规划决策 ：agentic(title,abstract)

AI总结 提出QoEReasoner，一种基于LLM的智能体系统，通过确定性工具、领域知识库和历史案例库实现RAN中QoE退化的自动、可解释诊断，准确率提升18%-40%，诊断时间从30分钟降至3分钟。

The Dynamic and Endogenous Behavior of Re-Offense Risk: An Agent-Based Simulation Study of Treatment Allocation in Incarceration Diversion Programs

再犯风险的动态与内生行为：基于智能体的监禁分流项目治疗分配模拟研究

Chuwen Zhang, Pengyi Shi, Amy Ward

专题命中 规划决策 ：agent(title,abstract)

AI总结 通过基于智能体的模拟，研究再犯风险作为人-系统交互的动态过程，评估不同治疗分配策略在监禁分流项目中的有效性。

Comments Upon further review, we believe the manuscript requires substantial rethinking before its results can be presented in a fair and responsible manner in a sensitive field such as criminal justice. Given the potential implications of the work, we have decided that withdrawing the current version is the most appropriate course of action

Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling

Plan-R1：安全且可行的轨迹规划作为语言建模

Xiaolong Tang, Meina Kan, Shiguang Shan, Xilin Chen

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出Plan-R1两阶段轨迹规划框架，通过原则对齐与行为学习解耦，结合规则奖励和方差解耦GRPO，显著提升自动驾驶规划的安全性和可行性。

Comments Accepted by ICLR2026

Motion Planning for Continuous Time Stochastic Processes: A Dynamic Programming Approach

连续时间随机过程的运动规划：一种动态规划方法

Peyman Mohajerin Esfahani, Debasish Chatterjee, John Lygeros

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究具有可能不连续样本路径的受控过程在状态空间中顺序访问某些子集并避开其他子集的随机运动规划问题，通过建立与序贯停时随机最优控制的联系，提出弱动态规划原理来刻画满足成功概率阈值的初始状态集。

Journal ref IEEE Transactions on Automatic Control, Vol. 61, No. 8, pp. 2155-2170, 2016

Operations-Based Planning for Placement and Sizing of Energy Storage in a Grid With a High Penetration of Renewables

基于运行规划的高可再生能源渗透率电网中储能选址与定容

Krishnamurthy Dvijotham, Scott Backhaus, Misha Chertkov

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对高可再生能源渗透率电网，提出一种基于最优储能控制算法的启发式方法，通过分阶段限制储能节点数量和总容量，实现储能的最优选址与定容，以最小化可再生能源集成成本。

MGA trajectory planning with an ACO-inspired algorithm

基于蚁群优化算法的MGA轨迹规划

Matteo Ceriotti, Massimiliano Vasile

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出将多重力辅助轨迹自动设计建模为自主规划与调度问题，并采用蚁群优化算法搜索最优行星序列与轨迹。

Journal ref Acta Astronautica, 67 (9-10). pp. 1202-1217, ISSN 0094-5765, 2010

Formal-language-theoretic Optimal Path Planning For Accommodation of Amortized Uncertainties and Dynamic Effects

形式语言理论最优路径规划以容纳摊销不确定性和动态效应

Ishanu Chattopadhyay, Anthony Cascone, Asok Ray

机构 * Department of Mechanical Engineering, The Pennsylvnaia State University, University Park, 16802（机械工程系，宾夕法尼亚州立大学，University Park） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出基于形式语言定量测度理论的全局最优路径规划方法，通过引入概率不可控转移建模不确定性，并采用无搜索组合优化最大化概率正则语言测度，实现机器人导航中目标到达概率最大化与障碍碰撞概率最小化。

Comments Submitted for review for possible publication elsewhere; journal reference will be added when available

Active Exploring like a Pigeon: Reinforcing Spatial Reasoning via Agentic Vision-Language Models

像鸽子一样主动探索：通过智能视觉语言模型强化空间推理

Wei Deng, Xianlin Zhang, Mengshi Qi

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)

AI总结 提出一种受鸽子认知地图启发的智能视觉语言模型管道，通过动态认知地图和空间断言代码提供密集奖励信号，在MindCube基准上实现80.5%的总体准确率，在Rotation子集上相对提升53.2%。

Comments Accepted by ICML 2026

Investment and Operational Planning for electricity markets with massive entry of renewable energy

可再生能源大规模接入的电力市场投资与运行规划

Nicolás Hernández-Santibáñez, Alejandro Jofré, Matías Vera

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对可再生能源大规模接入的电力市场，提出一种连续时间随机控制模型，通过运行与投资控制的层次分析及状态约束HJB方程，求解联合成本最小化问题，并在三节点模拟中验证了短、中、长期规划向高可再生能源渗透率过渡的方案。

Agent System Operations: Categorization, Challenges, and Future Directions

智能体系统运维：分类、挑战与未来方向

Zexin Wang, Changhua Pei, Yuanhao Liu, Jingjing Li, Yintong Huo, Quan Zhou, Haotian Si, Hang Cui, Zihan Liu, Gaogang Xie, Fei Sun, Dan Pei, David Lo

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文针对大型语言模型（LLM）驱动的智能体系统在运行中出现的异常问题，提出了一种名为AgentOps的运维框架，涵盖监控、异常检测、根因定位和修复四个关键阶段。

Robust Integrated Planning and Control for Quadrotors in Dynamic Environments via NMPC with CBF Penalties

动态环境中四旋翼飞行器的鲁棒集成规划与控制：基于带CBF惩罚的NMPC

Zeinab Shayan, Mohammadreza Izadi, Reza Faieghi

机构 * Autonomous Vehicles Laboratory, Department of Aerospace Engineering, Toronto Metropolitan University（自主车辆实验室，航空航天工程系，多伦多 Metropolitan 大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种将控制障碍函数作为指数惩罚嵌入非线性模型预测控制的鲁棒集成规划与控制策略，通过高增益扰动观测器和卡尔曼滤波器增强系统鲁棒性，实现动态环境中的安全避障。

Comments Accepted to Conference on Robots and Vision (CRV 2026), Vancouver, Canada

Make Your VLA More Robust Without More Data By Interleaving Motion Planning

通过交错运动规划使您的VLA更鲁棒而无需更多数据

Dan BW Choe, Sundhar Vinodh Sangeetha, Samuel Coogan, Shreyas Kousik

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出MPVI框架，将基于模型的运动规划与视觉-语言-动作模型交错结合，通过VLM完成检查和本体感受触发实现可靠切换，无需额外训练即可提升长时域移动操作任务的鲁棒性，在BEHAVIOR-1K基准上任务进度提升113%。

A Framework for Motion Planning with Temporal Logic Precedence Specifications via Augmented Graphs of Convex Sets

一种通过凸集增广图实现具有时序逻辑前置规范的运动规划框架

Shilin You, Gael Luna, Tyler H. Summers

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种基于凸集增广图（GCS）的框架，通过精确编码钥匙-门前置逻辑，结合信号时序逻辑（STL）片段，同时优化钥匙收集序列和连续轨迹，实现避障与逻辑约束满足。

DriveAnchor: Progressive Anchor-based Flow Learning for Autonomous Driving Planning

DriveAnchor: 用于自动驾驶规划的渐进式基于锚点的流学习

Limin Yan, Haoyun Tang, Yutao Qiu, Hongqing Liu, Haoyu Xu

机构 * Meituan Autonomous Driving（美团自动驾驶） ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出三阶段框架DriveAnchor，通过示范流预训练、引导流后训练和奖励精炼流微调，实现行为多样性、可控性和安全性，在200万场景中近距碰撞率降低89%，平均奖励提升32%。

Clustering-enhanced adaptive Benders decomposition for energy systems planning optimization

面向能源系统规划优化的聚类增强自适应Benders分解

Jun Wen Law, Dharik S. Mallapragada

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对能源系统容量扩展模型中的大规模混合整数线性规划问题，提出基于聚类的自适应Benders分解方法，通过聚合割和代表性子问题加速求解。

Provably Safe Motion Planning Under Unknown Disturbances

未知扰动下的可证明安全运动规划

Ibon Gracia, Qi Heng Ho, Luca Laurenti, Morteza Lahijanian

机构 * Department of Aerospace Engineering Sciences at the University of Colorado Boulder（科罗拉多大学博尔德分校航空航天工程科学系） ； Department of Aerospace and Ocean Engineering（航空航天与海洋工程系） ； Delft University of Technology（代尔夫特理工大学） ； Italian Institute of Artificial Intelligence（意大利人工智能研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对未知分布随机扰动下的机器人系统，提出一种基于Wasserstein模糊管的学习型采样运动规划算法，实现概率完备且保守性低的安全规划。

AutoFFS: Adversarial Deformations for Facial Feminization Surgery Planning

AutoFFS: 用于面部女性化手术规划的对抗性变形

Paul Friedrich, Florentin Bieder, Florian M. Thieringer, Philippe C. Cattin

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Department of Oral and Cranio-Maxillofacial Surgery, University Hospital Basel（巴塞尔大学口腔和颅面外科系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出AutoFFS框架，通过对抗性自由变形生成反事实颅骨形态，为面部女性化手术提供定量规划依据。

Comments Project Page: https://pfriedri.github.io/autoffs-io Code: https://github.com/pfriedri/autoffs

On-Device Robotic Planning: Eliminating Inference Redundancy for Efficient Decision-Making

设备端机器人规划：消除推理冗余以实现高效决策

Joonhee Lee, Hyunseung Shin, Hyunmi Kim, Pei Zhang, Jeonggil Ko

机构 * School of Integrated Technology, College of Computing, Yonsei University（延世大学整合技术学院，计算学院） ； Department of Hyperscale AI SoC Research Section, ETRI（ETRI超大规模AI SoC研究部） ； EECS - Electrical and Computer Engineering, University of Michigan（密歇根大学电气与计算机工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出REIS框架，通过场景门控、KV引导的affordance路由和审慎推理减少推理冗余，在保持语义适应性的同时加速机器人控制。

Comments 19 pages

LiftNav: Path Planning via Semantic Lifting in TSDF-Guided Gaussian Splatting

LiftNav: TSDF引导的高斯泼溅中的语义提升路径规划

Hannah Schieber, Dominik Frischmann, Victor Schaack, Angela P. Schoellig, Daniel Roth

机构 * Technical University of Munich（慕尼黑技术大学） ； Human-Centered Computing and Extended Reality Lab（以人为本计算与扩展现实实验室） ； TUM University Hospital（慕尼黑大学医院） ； Clinic for Orthopedics and Sports Orthopedics（骨科与运动医学诊所） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； Learning Systems and Robotics Lab（学习系统与机器人实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出LiftNav混合导航框架，结合TSDF+GS双地图、YOLO检测、TSDF三维提升和B样条轨迹优化，实现无需密集三维嵌入的灵活语义导航，并通过铰链损失碰撞惩罚提升轨迹平滑性和安全性，在Replica数据集仿真中实现100%可行性和更短轨迹。

Haptic Sorter: A Unified Planning Framework for Online Shape Estimation and Real-Time Pose Inference

Haptic Sorter: 一种用于在线形状估计和实时位姿推断的统一规划框架

Zhuoyi Lu, Lin Yang, Sri Harsha Turlapati, Domenico Campolo

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University (NTU), Singapore（南洋理工大学机械与航空航天工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种基于模型的统一几何框架，结合贝叶斯优化引导的触觉探索、超椭圆形状近似、操作势能自适应公式以及在线常微分方程实时位姿推断，用于机器人操作中的形状估计和位姿跟踪。

Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control

非通信移动机器人的逆最优控制轨迹规划

Nina Majer, Yannick Epple, Xin Ye, Stefan Schwab, Sören Hohmann

机构 * FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究所） ； Institute of Control Systems, Karlsruhe Institute of Technology（卡尔斯鲁厄大学控制系统研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对非通信移动机器人在避碰场景中的高效交互，提出一种结合逆最优控制的轨迹规划与预测算法，通过估计未知目标状态并联合预测，实现更快的规划求解。

AnomalyAgent: Training-Free Agentic Models for Zero-/Few-Shot Anomaly Detection

AnomalyAgent: 用于零样本/少样本异常检测的无训练智能体模型

Yi Zhang, Jiawen Zhu, Lele Fu, Guansong Pang

机构 * Singapore Management University（新加坡国立管理学院） ； Sun Yat-sen University（中山大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)

AI总结 提出一种基于多模态大语言模型的无训练智能体框架AnomalyAgent，通过定制工具集和记忆模块实现零样本/少样本异常检测，在逻辑/上下文异常等复杂场景中优于现有方法。

Train the Agent, Not the Expert: Learning to Harness Heterogeneous Experts for Multi-Turn Visual Reasoning

训练智能体而非专家：学习利用异构专家进行多轮视觉推理

Yaowu Fan, Tao Han, Dazhao Du, Andy J. Ma, Jia Wan

机构 * Sun Yat-sen University（中山大学） ； HKUST（香港科技大学） ； Harbin Institute of Technology（哈尔滨理工大学） 纠错

专题命中 规划决策 ：agent(title,abstract)

AI总结 提出VisHarness，一种可训练的视觉智能体，通过解耦高层感知推理与低层任务执行，学习利用异构视觉专家模型，以轻量训练实现多轮交互下的通用视觉任务求解。

Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network

加速机器人路径规划的连通性保持区域提议网络

Zhanzheng Ma, Cancan Zhao, Shuai Zhang, Bo Ouyang

机构 * School of Management, Hefei University of Technology（合肥工业大学管理学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出连通性保持区域提议网络（CP-RPN），通过分割模型预测紧凑且拓扑连通的候选区域，压缩搜索空间，结合Voronoi图与局部A*回退机制实现低延迟高成功率路径规划。

Machine Learning for Exact Time Series Aggregation in Generation Expansion Planning with Energy Storage

机器学习用于含储能的发电扩展规划中的精确时间序列聚合

Jakub Rybka, Luca Santosuosso, Thomas Klatzer, Sonja Wogrin

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对含可再生能源、火电和储能的发电扩展规划问题，提出一种基于机器学习估计边际成本的迭代时间序列聚合方法，实现精确聚合并保持最优性间隙可评估。

Simultaneous Contact Selection and Planning for Contact-Rich Manipulation with Cascaded Optimization

基于级联优化的接触丰富操作中同时接触选择与规划

Zhe Zhang, Xingrong Diao, Haoxiang Liang, Han Yang, Bi-Ke Zhu, Dandan Zhang, Jiankun Wang

机构 * IEEE 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种级联优化框架SCSP，通过接触选择优化和接触规划优化实现接触丰富操作中的主动接触位置选择与轨迹规划。

Comments 20 pages, 18 pages

Informative Path Planning with Guaranteed Estimation Uncertainty

具有保证估计不确定性的信息性路径规划

Kalvik Jakkala, Saurav Agarwal, Jason O'Kane, Srinivas Akella

机构 * Texas A&M University（德克萨斯大学） ； Indian Institute of Technology Bombay（孟买印度理工学院） ； University of North Carolina at Charlotte（夏洛特北卡罗来纳大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种三阶段方法，通过高斯过程模型将不确定性约束转化为覆盖图，并规划近最短路径，在复杂环境中实现具有保证估计不确定性的信息性路径规划。

Comments 15 pages, 11 figures, RSS 2026