AI Agent

TCBiRRT: Rapid Motion Planning for Tightly Coupled Dual-arm Space Manipulator Using Task-space Random Expansion

TCBiRRT：紧耦合双臂空间机械臂的任务空间随机扩展快速运动规划

Jiawei Zhang, Xinhao Miao, Jifeng Guo, Qinghua Li, Chengchao Bai

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对紧耦合双臂空间机械臂在闭链约束下的运动规划问题，提出一种任务空间约束的双向快速随机扩展树算法（TCBiRRT），通过在任务空间直接采样和节点扩展，结合路径逆运动学映射和重抓取机制，显著提高规划成功率和速度。

Comments 12 pages, 9 figures

RCSP: Risk-Sensitive Conjectural Scenario Planning for Safe Dynamic Robot Navigation

RCSP: 面向安全动态机器人导航的风险敏感推测性场景规划

Zhengye Han, Quanyan Zhu

机构 * Department of Electrical and Computer Engineering（电气计算机工程系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出风险敏感推测性场景规划（RCSP），通过轻量级信念维护、未来交互采样和高风险尾部惩罚，结合局部安全检查，解决移动机器人在动态障碍物环境中的预测性近碰撞承诺问题，并在仿真中验证其提升安全性和路径质量。

LAD-VF: LLM-Automatic Differentiation Enables Fine-Tuning-Free Robot Planning from Formal Methods Feedback

LAD-VF：LLM自动微分实现基于形式化方法反馈的无微调机器人规划

Yunhao Yang, Junyuan Hong, Gabriel Jacob Perin, Zhiwen Fan, Li Yin, Zhangyang Wang, Ufuk Topcu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of São Paulo（圣保罗大学） ； Texas A&M University（德克萨斯A&M大学） ； SylphAI 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出LAD-VF框架，利用形式化验证反馈和LLM自动微分自动优化提示词，无需微调即可提升机器人规划任务中规范符合率，成功率从60%提升至90%以上。

Comments Presented at ICRA 2026

G-DRAGON: Geospatial Reasoning and Dynamic Planning for Retrieval-Augmented Outdoor Navigation

G-DRAGON：面向检索增强的户外导航的地理空间推理与动态规划

Dongzhihan Wang, Yi Du, Jianan Sun, Yuan Xue, Yingchen Zhang, Bing Xiao, Chen Wang, Liang Xu

机构 * Spatial AI & Robotics Lab（空间人工智能与机器人实验室） ； University at Buffalo（布法罗大学） ； School of Future Technology（未来技术学院） ； Shanghai University（上海大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出G-DRAGON框架，通过轻量级LLM的生成式检索将自然语言命令映射到本地OSM实体，结合全局路径规划与SLAM系统，并利用前沿探索和开放集语义体素映射实现最后一英里目标定位，在仿真和真实场景中优于现有方法。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L)

Justice-informed Planning of Intermodal Autonomous Mobility-on-Demand Systems under Operational Constraints

运营约束下多模式自主出行系统的公正知情规划

Giacomo Ganassoli, Francesco Mazzeo, Cecilia Pasquale, Silvia Siri, Mauro Salazar

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种考虑用户预算、安全限制和基础设施容量约束的公正知情优化模型，用于多模式自主出行系统（AMoD）的运营规划，并在纽约曼哈顿案例中验证了免费公共交通政策能接近完全免费AMoD系统的公正水平且不牺牲效率。

Comments Accepted for presentation at conference IEEE ITSC 2026. This is the preprint version

Leveraging Multi-Step Traffic Forecasts for Multi-Period Planning Optical Networks

利用多步交通预测实现多周期规划光网络

Giannis Savva, Hafsa Maryam, Venkatesh Chebolu, Tania Panayiotou, Georgios Ellinas

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出利用多步交通预测实现可重构光网络的多周期规划，通过编码器-解码器深度学习模型和整数线性规划（ILP）及启发式算法，在频谱节省与服务中断之间取得平衡。

PlanRAG-Audio: Planning and Retrieval Augmented Generation for Long-form Audio Understanding

PlanRAG-Audio：面向长音频理解的规划与检索增强生成

Masao Someki, Chien-yu Huang, Siddhant Arora, Samuele Cornell, Markus Müller, Nathan Susanj, Rupak V Swaminathan, Grant P Strimel, Jing Liu, Shinji Watanabe

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出PlanRAG-Audio框架，通过规划查询所需模态和时间跨度并仅检索相关信息，实现长音频的高效推理，提升准确率并稳定性能。

Comments Accepted to Findings of ACL 2026

A neural signed configuration distance function for path planning of picking manipulators

一种用于拾取机械臂路径规划的神经符号配置距离函数

Bernhard Wullt, Mikael Norrlöf, Per Mattsson, Thomas B. Schön

机构 * Department of Information Technology, Uppsala University（信息技术系，乌普萨拉大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对拾取机械臂路径规划问题，提出一种神经符号配置距离函数（nSCDF）作为隐式障碍物表示，通过构建配置空间中的无碰撞球体，将多查询路径规划器中的点替换为球体，从而快速生成无碰撞走廊并利用凸规划优化路径，实验表明该方法在显著减少时间的同时生成接近渐近最优的路径。

De-Linearizing Agent Traces: Bayesian Inference of Latent Partial Orders for Efficient Execution

去线性化智能体轨迹：潜在偏序的贝叶斯推断以实现高效执行

Dongqing Li, Zheqiao Cheng, Geoff K. Nicholls, Quyu Kong

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

AI总结 提出BPOP贝叶斯框架，从噪声线性化轨迹中推断潜在依赖偏序，通过可处理的边界-softmax似然实现高效MCMC推理，在云基础设施任务和科学工作流上显著减少令牌使用和执行时间。

DPNet: Doppler LiDAR Motion Planning for Highly-Dynamic Environments

DPNet: 面向高动态环境的多普勒激光雷达运动规划

Wei Zuo, Zeyi Ren, Chengyang Li, Yikun Wang, Mingle Zhao, Shuai Wang, Wei Sui, Fei Gao, Yik-Chung Wu, Chengzhong Xu

机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Macau（澳门大学） ； D-Robotics ； Zhejiang University（浙江大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出DPNet，通过多普勒卡尔曼神经网络跟踪快速障碍物并利用多普勒调谐模型预测控制实现高动态环境下的高频高精度运动规划。

Comments Accepted to IEEE Robotics and Automation Letters in April, 2026

Afford-VLA: Action-Aligned Visual Planning via Internalized Affordance

Afford-VLA：通过内化可操作性实现动作对齐的视觉规划

Runze Wang, Yuqian Fu, Yu Li, Tao Lin, Tianwen Qian, Mohamed Elhoseiny, Bo Zhao, Yanwei Fu, Yu-Gang Jiang, Xiangyang Xue

机构 * Fudan University（复旦大学） ； KAUST（康斯坦丁·亚历山大科研大学） ； SJTU（上海交通大学） ； East China Normal University（华东师范大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出Afford-VLA框架，通过内化任务条件可操作性作为显式视觉规划接口，利用可学习<AFF>令牌查询交互区域并解码为紧凑嵌入以直接条件化动作生成，在多个模拟基准上取得最先进性能。

Comments 20 pages

Routing Equilibrium in Mixed-Autonomy Traffic Networks with Altruistic Autonomous Agents

混合自主交通网络中具有利他自主代理的路由均衡

Lihui Yi, Ermin Wei

专题命中 规划决策 ：autonomous agent(title,abstract)

AI总结 本文通过变分不等式框架研究混合自主交通网络中自私人类与利他自主车辆的路由博弈均衡，给出社会成本改善或恶化的充分条件，并证明分散与集中场景下的均衡等价性。

Signal Temporal Logic Motion Planning via Graphs of Convex Sets

基于凸集图的信号时序逻辑运动规划

Yu Chen, Ancheng Hou, Mingyang Feng, Xiao Yu, Xiang Yin

机构 * School of Automation & Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Institute of Artificial Intelligence, Xiamen University（人工智能研究院，厦门大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种结合时间自动机与凸集图的框架，将STL运动规划问题转化为凸集图上的最短路径问题，生成满足STL规范、平滑性和速度约束的贝塞尔样条轨迹。

Verified Task-Space Motion Planning Under Joint-Space Constraints

关节空间约束下的验证任务空间运动规划

Hanjiang Hu, Changliu Liu, Yebin Wang

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； MERL 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种通过半定规划或二分法计算可验证最大笛卡尔超矩形步长的方法，并将其集成到Bug2规划器中，实现零关节限位违反和100%目标到达率。

Agentic metasurface design with self-correcting language-model systems

具有自校正语言模型系统的智能超表面设计

Bei Wu, Bo Xiong, Haiyao Luo, Yaqi Li, Li Zhang, Qiaolu Chen, Hongsheng Chen, Yihao Yang

专题命中 规划决策 ：agentic(title,abstract)

AI总结 提出MetaDesigner，一种基于自校正语言模型系统的智能超表面设计框架，通过自然语言目标自动规划设计路线、调用工具并自校正错误，在RGB超透镜、全彩全息图和光电混合神经网络三个任务中验证了其有效性。

Large-Scale Resilience Planning for Wildfire-Prone Electricity-System via Adaptive Robust Optimization

基于自适应鲁棒优化的野火易发电力系统大规模韧性规划

Shuyi Chen, Shixiang Zhu, Ramteen Sioshansi

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对野火风险下的电力系统，提出一种联合优化长期基础设施配置与短期运行响应的三阶段鲁棒规划框架，通过数据驱动的不确定集和列与约束生成算法实现大规模求解。

Comments V4 updated reference with correction and minor fixes to outdated links

On the complexity of parametrized motion planning algorithms

参数化运动规划算法的复杂性

Navnath Daundkar, Ekansh Jauhari

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究第r个顺序参数化拓扑复杂度的概率变体，该变体从下界度量经典不变量，并衡量构建允许参数化运动规划算法的难度。

Comments Minor changes made based on the referee report. To appear in the SIAM Journal on Applied Algebra and Geometry. May differ slightly from the published version

Branch-Stochastic Model Predictive Control for Motion Planning under Multi-Modal Uncertainty with Scenario Clustering

基于分支随机优化的运动规划在多模态不确定性下的场景聚类

Zekun Xing, Ramkrishna Chaudhari, Marion Leibold, Dirk Wollherr, Martin Buss

机构 * Chair of Automatic Control Engineering（自动控制工程教授会） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种结合随机模型预测控制与分支结构的方法，用于在多模态不确定性下进行运动规划，通过场景聚类提高实时计算性能并减少保守性。

Comments This work has been accepted for presentation at IFAC World Congress 2026

SPIRAL: Self-Evolving Action-Conditioned Video Generation via Reflective Planning Agents

SPIRAL：通过反思规划代理实现自演化动作条件视频生成

Yu Yang, Yue Liao, Jianbiao Mei, Baisen Wang, Xuemeng Yang, Licheng Wen, Jiangning Zhang, Xiangtai Li, Liang Lv, Hanlin Chen, Botian Shi, Yong Liu, Shuicheng Yan, Gim Hee Lee

机构 * Zhejiang University（浙江大学） ； KnowledgeXLab at Shanghai AI Lab（上海人工智能实验室知识X实验室） ； National University of Singapore（新加坡国立大学） ； Chinese Academy of Sciences（中国科学院） ； Tencent Youtu Lab（腾讯优设实验室） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出SPIRAL框架，通过反思规划代理实现长时域动作条件视频生成，解决传统方法在长时间视频生成中的不足，通过闭环设计和自演化机制提升视频生成的一致性和准确性。

Comments 42 Pages, 21 Figures, Project page at https://yuyang-cloud.github.io/spiral

Parallel OctoMapping: A Scalable Framework for Enhanced Path Planning in Autonomous Navigation

并行八叉树映射：一种用于自主导航中路径规划增强的可扩展框架

Yihui Mao, Tian Tan, Xuehui Shen, Warren E. Dixon, Rushikesh Kamalapurkar

机构 * Department of Mechanical and Aerospace Engineering, University of Florida（佛罗里达大学机械与航空航天工程系） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出并行八叉树映射（POMP），一种高效的基于八叉树的映射技术，通过在固定占用网格分辨率下优化自由空间表示，提升路径规划效率和成功率，特别是在复杂环境中。

A Terrain-Adaptive epsilon-Constraint MPC for Uneven Terrain Kinodynamic Planning

一种适应地形的epsilon约束MPC用于不规则地形运动动力学规划

Otobong Jerome, Geesara Kalathunga, Tiago Nascimento

机构 * Laboratório de Engenharia de Sistemas e Robótica, Universidade Federal da Paraíba（系统与机器人工程实验室，帕拉伊巴联邦大学） ； School of Computer Science, University of Lincoln（计算机科学学院，林肯大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种适应地形的epsilon约束MPC方法，用于解决车辆在不规则地形上同时优化路径效率和姿态稳定性的规划问题，通过动态调整epsilon界限来实时探索帕累托前沿，并通过半参数模型结合分析车辆动力学和稀疏高斯过程来捕捉车辆-地形动力学。

Synergetic capacity planning of private and public EV charging piles via city-scale multiobjective optimization

通过城市级多目标优化实现私人和公共电动汽车充电堆的协同能力规划

Yiwu Hao, Hong Yuan, Nan Zhou, Minda Ma

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于需求驱动的城市级电动汽车充电需求评估和充电堆容量规划框架，采用自底向上的估算方法量化电力需求，并利用Harris Hawks Optimization算法解决容量规划问题，通过2022-2030年中国重庆的案例研究，展示了充电需求的变化趋势和优化配置的综合性能。

Comments Following additional internal review, the authors identified possible errors associated with the results presented in Fig. B1, which may influence the validity of the related results interpretation and discussion sections. The manuscript is therefore withdrawn to allow comprehensive re-analysis and correction

Scalable Multi-robot Motion Planning via Hierarchical Subproblem Expansion and Workspace Decomposition Refinement

通过分层子问题扩展和工作空间分解细化实现可扩展的多机器人运动规划

Isaac Ngui, Courtney McBeth, James D. Motes, Marco Morales, Nancy M. Amato

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Instituto Tecnológico Autónomo de México（墨西哥自治理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种多机器人运动规划方法，通过工作空间分解的离散搜索提高规划效率，核心方法是分层子问题扩展和工作空间分解细化，主要贡献是通过迭代优化工作空间表示来搜索更小的解耦配置空间。

Comments Accepted to WAFR 2026

RECIPE: Procedural Planning via Grounding in Instructional Video

RECIPE: 通过指令视频中的 grounding 实现过程规划

Luigi Seminara, Antonino Furnari, Lorenzo Torresani

机构 * Khoury College of Computer Sciences, Northeastern University, Boston（东北大学北斯托顿学院计算机科学学院） ； Department of Mathematics and Computer Science, University of Catania, Italy（卡塔尼亚大学数学与计算机科学系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究提出RECIPE方法，通过利用指令视频中的grounding信息来改进过程规划任务，通过利用预计算的文本嵌入实现大规模视频数据的验证，从而提升规划的准确性和鲁棒性。

Learn2Decompose: Learning Problem Decomposition for Efficient Sequential Multi-object Manipulation Planning

Learn2Decompose: 为高效连续多物体操作规划学习问题分解

Yan Zhang, Teng Xue, Amirreza Razmjoo, Sylvain Calinon

机构 * Idiap Research Institute（Idiap研究 institute） ； Ecole Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种高效的任务与运动重计划方法，用于动态环境中连续多物体操作的规划。通过从示范中学习问题分解来加速TAMP求解器，核心方法包括目标分解学习、计算距离学习和物体减少，有效提升了重计划效率。

Comments Extension of RAL version: added PR2 Whole-body kitchen task and detailed discussion on limitations in main text; added pseudocode and robustness analysis of our approach, and formal analysis on why and when task goals are decomposable in appendix

KIO-planner: Attention-Guided Single-Stage Motion Planning with Dual Mapping for UAV Navigation

KIO-planner: 基于双映射的注意力引导单阶段运动规划用于无人机导航

Dexing Yao, Haochen Li, Junhao Wei, Yifu Zhao, Yanxiao Li, Jiahui Xu, Jinxuan Hu, Lele Tian, Baili Lu, Zikun Li, Xu Yang, Sio-Kei Im, Dingcheng Yang, Yapeng Wang

机构 * Faculty of Applied Sciences（应用科学学院） ； Macao Polytechnic University（澳门理工学院） ； College of Animal Science and Technology（动物科学与技术学院） ； Zhongkai University of Agriculture and Engineering（仲恺农业工程学院） ； School of Economics and Management（经济管理学院） ； South China Normal University（华南师范大学） ； Information Engineering School（信息工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出KIO-planner，一种基于注意力引导的单阶段轨迹规划框架，通过整合CBAM模块和双映射机制，实现了在密集障碍环境中低延迟、可靠的运动规划，提高了导航的敏捷性和安全性。

Comments Accepted by an IEEE Vehicular Technology Conference. 6 pages, 4 figures, 1 table

PAPO-VLA: Planning-Aware Policy Optimization for Vision-Language-Action Models

PAPO-VLA: 为视觉-语言-动作模型进行规划感知的策略优化

Peizheng Guo, Jingyao Wang, Changwen Zheng, Wenwen Qiang

机构 * Institute of Software Chinese Academy of Sciences（软件研究所中国科学院） ； 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 本文提出PAPO-VLA，一种针对视觉-语言-动作模型的规划感知策略优化方法，通过识别和优化规划动作以提高VLA策略的可靠性。

Multi-Criteria Integer Programming Model for Route Planning in an Off-Road Combat Environment

多准则整数规划模型在非公路作战环境中的路线规划

Joshua Betz, Daniel Herber, Jeffrey Niemann

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种多准则整数规划模型，用于在开放地形中规划军事车辆路线，综合考虑土壤通行性和敌方接触风险，通过案例研究验证了该模型在量化环境移动约束与战术考虑之间的权衡能力。

Reducing Waiting Time for Medical Tourists Through Hybrid Agent-Based and Discrete-Event Simulation: A Hospital Case Study

通过混合基于代理和离散事件模拟减少医疗旅游者的等待时间：一家医院案例研究

Melika Baghi, Hadi Mosadegh

专题命中 规划决策 ：agent(title,abstract)

AI总结 本研究开发了一种混合基于代理和离散事件模拟模型，用于评估国际患者部门的床容量、专科数量、在线咨询比例等关键因素，以减少医疗旅游者的等待时间。

Comments 41 Pages including appedix

HDFlow: Hierarchical Diffusion-Flow Planning for Long-horizon Tasks

HDFlow：用于长时间任务的分层扩散-流规划

Nandiraju Gireesh, Yuanliang Ju, Chaoyi Xu, Weiheng Liu, Yuxuan Wan, He Wang

机构 * Peking University（北京大学） ； University of Toronto（多伦多大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出HDFlow，一种新的分层规划框架，利用扩散和修正流模型的优势，克服了单一范式生成规划器的局限性，通过在模拟和现实中的家具组装任务验证其有效性。

Comments ICML 2026 (Spotlight)