Distributed Agent System: Fault-Tolerant Collaboration Among Embodied Agents
分布式智能体系统：具身智能体间的容错协作
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 针对人工智能工程中智能体驱动任务执行面临的可靠性挑战，提出分布式智能体系统（DAS）框架，重新定义智能体可靠性，构建两层容错架构，为工业场景中异构具身智能体可靠协作提供实用工程途径。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 35728 篇
Embark Now: User Demand Oriented Framework for Multi-day Urban Travel Itinerary Planning
即刻出发：面向多日城市旅行行程规划的用户需求导向框架
机构 * Jiangxi Normal University（江西师范大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 针对大城市多日旅行行程规划难题，提出集成大语言模型与增强GRASP算法的框架，经实验验证其在行程质量和计算效率上显著优于现有方法，能动态满足多样用户需求。
Comments 37 pages, 16 figures, 7 tables
Coverage Path Planning: Classical Foundations, Recent Advances, and Future Directions
覆盖路径规划：经典基础、最新进展与未来方向
机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； Department of Electrical and Computer Engineering, University of Connecticut（康涅狄格大学电气与计算机工程系） ； Global College, Shanghai Jiao Tong University（上海交通大学密西根学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Electronics and Information Engineering, Wuyi University（五邑大学电子与信息工程学院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文全面综述2015至2026年125篇覆盖路径规划（CPP）代表性作品，结合经典方法展示其演变。CPP方法分六类，总结各类规划公式、算法等，分析相关因素对问题的塑造，讨论开放挑战，提供了发展概况与未来研究方向。
BucketKD: A Safety-Aware Bucket-Based Knowledge Distillation Framework for End-to-End Motion Planning
BucketKD：用于端到端运动规划的基于桶的安全感知知识蒸馏框架
机构 * University of Memphis（孟菲斯大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 针对端到端运动规划模型规模大难在资源受限平台部署的问题，提出BucketKD框架。该框架将关键环境变量离散化，并设计安全感知航路点注意力机制。实验表明，其在规划精度、安全性及压缩率方面表现出色，显著优于现有方法。
LegalFarePlan: A Label-Setting Framework for Fare-Transparent Urban Rail Route Planning under Non-Additive Fare Rules
LegalFarePlan：非加法票价规则下票价透明的城市轨道交通线路规划标签设定框架
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究非加法票价规则下城市轨道交通线路规划问题，提出LegalFarePlan框架，将合法进出站建模为约束条件，通过多种算法实现可解释线路规划，在半合成基准测试中取得一定票价降低成果，展示方法行为与可重复性。
Comments 6 pages, 4 tables; author preprint version, not the conference camera-ready version
SkillGuard: A Permission-Centric Framework for Agent Skill Security
SkillGuard：一种面向智能体技能的权限框架
专题命中 规划决策 ：agent(title,abstract)；分类 cs.SE
AI总结 提出SkillGuard权限框架，通过双平面治理模型联合管控上下文影响和动作副作用，以缩小技能声明意图与运行时行为之间的安全差距。
AgentKGV: Agentic LLM-RAG Framework with Two-Stage Training for the Fact Verification of Knowledge Graphs
AgentKGV：用于知识图谱事实验证的两阶段训练的智能语言模型-检索增强生成框架
机构 * SungKyunKwan University（成均馆大学） ； NAVER（纳维）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL
AI总结 针对知识图谱事实错误验证难题，提出AgentKGV框架，集成动态路由等处理表面形式不匹配。引入两阶段训练策略，在开放域T-REx基准上，该框架提升了宏观F1，减少搜索调用次数，提高了验证准确性和效率。
Neuro-Agentic Control: A Deep Learning-based LLM-Powered Agentic AI Framework for Controlling Security Controls
神经代理控制：一种基于深度学习的由大型语言模型驱动的用于控制安全控制的代理人工智能框架
机构 * Texas Tech University（德克萨斯理工大学） ； Cumberland University（坎伯兰大学） ； Advanced Academic Programs Science（高级学术项目科学部） ； Johns Hopkins University（约翰·霍普金斯大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 针对运营技术网络攻击问题，提出神经代理控制框架，结合基于LLM的规划器与预训练的TimesFM，并引入“反事实物理注入”机制，在工业数据集评估中表现优于基线，能有效保障关键基础设施中代理人工智能。
Programming over Thinking: Efficient and Robust Multi-Constraint Planning
编程而非思考：高效且稳健的多约束规划
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research（科技研究局）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 多约束规划面临挑战，现有大语言模型方法有局限。本文提出SCOPE框架，将特定查询推理与通用代码执行分离，产生一致、可重用的求解器函数，降低成本和延迟，性能达最优。
Comments Accepted at ACL 2026 : Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)
Playing ZendoWorld: Challenging AI Agents on Active Visual Concept Induction
玩禅道世界：在主动视觉概念归纳中挑战人工智能代理
机构 * AIML Lab, TU Darmstadt（人工智能机器学习实验室，达姆施塔特工业大学） ； Hessian Center for AI (hessian.AI)（黑森州人工智能中心） ； Psychology of Information Processing, TU Darmstadt（信息处理心理学，达姆施塔特工业大学） ； Centre for Cognitive Science, TU Darmstadt（认知科学中心，达姆施塔特工业大学） ； Cornell University（康奈尔大学） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学研究所，SIC组） ； German Center for AI (DFKI)（德国人工智能研究中心）
专题命中 规划决策 ：AI agent(title)；agent(abstract)；分类 cs.AI
AI总结 研究构建智能系统时代理感知、假设形成及实验设计问题，提出禅道世界环境，评估多种代理方法，发现预测标签精度与恢复潜在规则无关，感知和归纳是不同瓶颈，基于视觉语言模型的代理实验无信息，还收集人类数据揭示差距及改进途径。
V-VLAPS: Value-Guided Planning for Vision-Language-Action Models
V-VLAPS：面向视觉-语言-动作模型的价值引导规划
机构 * The University of British Columbia（不列颠哥伦比亚大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出V-VLAPS方法，通过在VLA模型上增加轻量级价值头预测蒙特卡洛回报，引导蒙特卡洛树搜索选择高价值分支，从而提升长时域任务下的规划性能。
From Noisy Traces to Root Causes: Structural Trajectory Analysis and Causal Extraction for Agent Optimization
从噪声轨迹到根本原因：用于智能体优化的结构轨迹分析和因果提取
机构 * Microsoft Research（微软研究院） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 研究针对长期智能体优化中实际执行轨迹难直接用于优化的问题，提出STRACE框架。该框架在批次和轨迹内分别进行故障模式挖掘与因果定位，去除冗余和非因果步骤，实验表明其显著优于基线，提升了智能体优化成功率。
LLM-powered reasoning in agent-based modeling
基于代理建模中的大语言模型驱动推理
机构 * ORNL（橡树岭国家实验室）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对传统基于代理建模（ABM）依赖静态先验无法适应实时变化的问题，提出利用大语言模型（LLMs）的可扩展混合代理和语言驱动的流行病（HALE）建模框架，并通过模拟COVID-19验证其可行性。
Successor-Generator Planning with LLM-generated Heuristics
基于大语言模型生成启发式策略的后继生成器规划
机构 * Computer Science Department, Bar-Ilan University（巴伊兰大学计算机科学系）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究借助大语言模型，从规划任务中生成特定问题启发式函数并集成到搜索算法。该方法在多规划基准测试中性能优异，还能解决传统形式难表达的问题，经评估展现出有效性。
OpenGround: Planning-based Online Perception for Open-World 3D Visual Grounding
OpenGround：基于规划的开放世界3D视觉定位在线感知
机构 * Nanjing University, School of Intelligent Science and Technology（南京大学智能科学与技术学院） ； China Mobile Zijin Innovation Institute（中国移动紫金创新院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 针对开放世界3D视觉定位中现有方法的局限，提出OpenGround框架，集成任务链规划与上下文引导感知，还构建OpenTarget数据集。实验表明其在多个数据集上性能优异，在开放世界评估中有显著提升。
Comments ECCV2026, 46 pages, 13 figures, 15 tables
Graph Sparse Sampling: Breaking the Curse of the Horizon in Continuous MDP Planning
图稀疏采样：打破连续MDP规划中的视界诅咒
机构 * Technion Autonomous Systems Program (TASP), Technion – Israel Institute of Technology（以色列理工学院自主系统计划（TASP），以色列理工学院） ； Stephen B. Klein Faculty of Aerospace Engineering, Technion – Israel Institute of Technology（以色列理工学院斯蒂芬·B·克莱因航空航天工程学院） ； Faculty of Data and Decision Sciences, Technion – Israel Institute of Technology（以色列理工学院数据与决策科学学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 针对连续域不确定规划的视界指数增长难题，提出图稀疏采样算法跨决策共享采样未来，得到多项式视界依赖的性能保证，长视界下性能远超树型规划器。
Your Agent's Memories Are Not Its Own: Forged Reasoning Attacks on LLM Agent Memory and Defenses
你的智能体记忆并非其自身所有：针对大语言模型智能体记忆的伪造推理攻击及防御
机构 * The Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对大语言模型智能体记忆伪造推理的攻击，提出FARMA攻击方法，通过规避语言伪造推理痕迹并强化，还引入SENTINEL防御管道，实验表明该防御能有效降低攻击成功率。
Comments Preprint. 10 pages, 2 figures, 4 tables
CARL: Constraint-Aware Reinforcement Learning for Planning with LLMs
CARL：用于大语言模型规划的约束感知强化学习
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学） ； College of Artificial Intelligence, Shanghai Institute for Advanced Study, Zhejiang University（浙江大学上海高等研究院人工智能学院） ； School of Earth Sciences, Zhejiang University（浙江大学地球科学学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究大语言模型生成违反任务约束计划的问题，提出约束感知强化学习框架CARL，通过比较不同输入下模型输出分布引入奖励，提升模型约束意识，实验证明其优于基线和现有模型。
Comments ACL 2026 Findings
Progress- and Reliability-Oriented Group Policy Optimization for Agentic Reinforcement Learning
面向进度和可靠性的智能体强化学习组策略优化
机构 * Baidu Inc.（百度公司） ； Peking University（北京大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 研究基于组的强化学习，针对步级优势估计对组形成方式敏感的问题，提出ProGPO方法，通过精确前缀动作比较及结合语义扩展与逆方差融合估计势，在任务中改进了基线方法。
Spinning Straw into Gold: Relabeling LLM Agent Trajectories in Hindsight for Successful Demonstrations
化腐朽为神奇：事后重新标记大语言模型智能体轨迹以实现成功示范
机构 * Mila, McGill University（米拉，麦吉尔大学） ； Adobe Research（Adobe研究院）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 针对大语言模型智能体监督瓶颈，利用智能体展开中隐含的成功目标，引入事后监督学习（HSL），通过辅助大语言模型重新标记轨迹及目标并微调，提出两种技术减轻数据次优性，实验证明其优势。
Comments Accepted to ICLR 2026
GRASP: Graph-Reasoning Aided Survey Planning for High-Fidelity Related Work Generation
GRASP：用于高保真相关工作生成的图推理辅助综述规划
机构 * Department of Computer Science（计算机科学系）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL
AI总结 研究如何写文献综述，核心方法是结合大语言模型规划与图算法，主要贡献是提出GRASP框架，其两层图结构及拓扑感知剪枝能生成与人工撰写匹配的相关工作部分。
Comments 23 pages, 3 figures. Published in Findings of the Association for Computational Linguistics: ACL 2026
Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 36427-36449, San Diego, California, United States. Association for Computational Linguistics
AnchorVLA: Bridging Discrete Decisions and Continuous Trajectories for Vision-Language-Action Planning
AnchorVLA：为视觉-语言-动作规划连接离散决策与连续轨迹
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与交通国家重点实验室） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Meituan Inc.（美团公司） ； Dongfeng Motor Corporation（东风汽车公司）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 自动驾驶规划需将多种信息转化为连续轨迹，现有视觉-语言-动作（VLA）规划器有局限。提出AnchorVLA框架，用轨迹模式锚连接高层VLA推理与连续轨迹执行，提升效率、语义动作对齐和生成灵活性。
Ask the World Before Acting: Environment Probing for Calibrated Agent World Models
行动前先询问世界：预算受限的环境探测用于世界模型校准
机构 * Emory University（埃默里大学） ； The University of Tokyo（东京大学） ； LocationMind
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 提出预算受限的环境探测算子，通过结构化信念表在行动前校准世界模型，减少长期任务中的终端误差。
Comments Under Review
Planning with the Views
通过场景自我探索进行视图规划
机构 * Northwestern University（西北大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出ViewSuite基准测试揭示VLM在多步视图规划中的不足，并设计迭代框架通过自我探索和视图图蒸馏将Qwen2.5-VL-7B的交互式视图规划准确率从2.5%提升至47.8%。
Language Models as Higher-Order Planning Formalizers
语言模型规划器无法扩展，但形式化器可以吗？
机构 * Drexel University（德雷克斯el大学） ； Allen Institute for AI（人工智能研究院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL
AI总结 研究发现语言模型形式化器在规划问题中表现优于规划器，通过分治技术提升鲁棒性，并引入形式化挑战。
On Sample-Efficient Generalized Planning via Learned Transition Models
基于学习转移模型的高效通用规划
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出通过学习转移模型实现高效通用规划，通过显式建模领域动态，相比直接预测动作序列，在多个领域中以更少样本和更小模型获得更高的离分布满足计划成功率。
Comments 14 pages; Extended version of short paper accepted at ICAPS 2026; updated with results and analysis
CLEANER: Self-Purified Trajectories Boost Agentic Reinforcement Learning
CLEANER：自我净化轨迹助力智能强化学习
机构 * Peking University（北京大学） ； NTU, Singapore（新加坡国立大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.LG
AI总结 研究参数受限模型探索阶段因执行失败产生噪声轨迹影响策略优化的问题，提出CLEANER，利用模型自我纠错能力净化轨迹，其SAAR机制提升平均准确率，减少训练步骤。
MOSAIC: Skill-Centric Manipulation Planning with Physics Simulation
MOSAIC：基于物理模拟的以技能为中心的操作规划
机构 * Robotics Institute, School of Computer Science（机器人研究所、计算机科学学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究用预定义技能规划长期操作运动的问题，核心方法是利用物理模拟估计技能执行结果，贡献是引入MOSAIC方法，通过两个互补技能家族有效发现基于物理的解决方案。
Comments Accepted for Publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA). Project page: https://skill-mosaic.github.io
Rational Inverse Reasoning: Few-Shot Imitation by Inferring Intent through Planning
理性逆推理：通过规划推断意图进行少样本模仿
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究人类能从少量示范学习新操作任务，而现代机器人模仿学习需大量示范且适应性差的差距。提出理性逆推理，将少样本模仿视为对潜在解释程序的推理，通过视觉语言模型和分层规划器迭代优化候选集，在少样本设置中表现优于基线。
A Survey of Reinforcement Learning-Based Motion Planning for Autonomous Driving: Lessons Learned from a Driving Task Perspective
基于强化学习的自动驾驶运动规划综述：从驾驶任务角度吸取的经验教训
机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University（教育部道路与交通工程重点实验室） ； Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Hagler Institute for Advanced Study, Texas A&M University（德克萨斯大学A&M分校哈格勒先进研究学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 综述基于强化学习的自动驾驶运动规划，先概述强化学习方法基础，再调研其在运动规划中的应用，分析特定场景特征与任务要求，总结关键设计经验并为未来实施提供指导，还探讨前沿挑战及应对策略。
Comments 20 pages, 3 figures
