AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
穿越绘画：来自互联网先验的自我中心世界模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Toyota Research Institute（丰田研究机构）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 EgoWM通过利用互联网先验和轻量级条件层，将预训练视频扩散模型转换为自我中心世界模型，实现可控的未来预测，提升结构一致性评分并降低推理延迟。
DSCD-Nav: 双视角协作辩论用于物体导航
机构 * School of Electronic Engineering, Xidian University, Xi' an 710071, China.（西安电子科技大学电子工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 DSCD-Nav通过双视角协作辩论机制提升机器人在部分可观测环境中的导航可靠性与效率。
Umulsai：一种用于朝鲜正谱记谱法的纯文本格式和浏览器内排版系统
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 研究针对朝鲜正谱记谱法与西方排版系统不兼容且缺乏实用数字工具的问题，提出了Umulsai编辑器，其核心包含特定纯文本格式、排版引擎和无依赖实现，经专家主导的AI辅助工作流程开发并验证，可实现高质量输出与多种功能。
迈向视觉语言导航的双脑最小充分表示
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； University of Zurich（苏黎世大学） ； University of Exeter（埃克塞特大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 针对视觉语言导航中存在的问题，提出BrainNav框架，包含逻辑锚定模型等三个组件，通过将语义意图与空间感知对齐，提升智能体在复杂任务中的表现，在实验中相比之前最优方法有改进，为鲁棒的视觉语言导航提供有效基础。
AgenticNav：零样本视觉与语言导航作为工具调用框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Ltd（华为技术有限公司）
专题命中 GUI与网页智能体 ：agentic(abstract)
AI总结 提出AgenticNav，通过将动作、深度和记忆作为可调用工具暴露给VLM，实现零样本连续环境导航，在R2R-CE基准上达到SOTA性能。
ZONDA：多楼层环境中具有动态避障功能的零样本目标导航
机构 * Southern University of Science and Technology（南方科技大学） ； Guangdong Direct Drive Technology Limited（广东直驱技术有限公司） ； South China University of Technology（华南理工大学） ； Great Bay University（大湾区大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究针对目标导航任务中现有方法局限，提出ZONDA框架，集成启发式多楼层规划、多视图目标验证、动态行人避障三个核心组件，通过真实机器人及模拟测试取得显著改进结果，在动态基准测试中表现优于现有基线。
Q-SpiRL：量子脉冲强化学习用于自适应机器人导航
机构 * eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（eBRAIN实验室，工程系，纽约大学阿布扎比分校） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute（量子与拓扑系统中心（CQTS），NYUAD研究机构）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出Q-SpiRL框架，结合量子增强的脉冲神经网络，实现了在动态环境中高效稳定的机器人导航，通过实验验证了其在任务完成、轨迹效率和运动平滑度之间的最佳平衡。
Comments Accepted at the IEEE International Conference on Quantum Computing and Engineering (QCE), 2026
动态网络中通过移动代理进行广播：图属性与代理的相互作用
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 重新审视动态网络中广播问题，原研究认为边密度是区分解决问题所需代理数量的关键属性，本文通过构造不同边密度的图及算法，表明边密度并非正确区分属性，揭示其与代理数量关系较弱。
Comments 31 pages, 5 figures
Sidekick：与计算机使用代理进行有效多任务通信的设计
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究针对计算机使用代理文本反馈问题，开发Sidekick原型系统，在不同交互阶段用多模态反馈传达其状态，经30人参与的研究验证其能显著提升多任务性能，有效支持进度感知等，还展示了应用前景及对人机协作的意义。
G2-Nav：用于机器人社交导航的基于视觉语言的地面与防护代价地图
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究针对机器人社交导航问题，提出G2-Nav框架，将VLM语义推理转化为视觉语言代价地图，经开放集感知评估区域和代理，结合语义验证与高频安全检查，实现非结构化环境下安全、高效且符合社会规范的自主导航。
Comments submitted
用于动态视觉语言导航的从慢速推理器到快速规划器的逐令牌潜在流
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对动态视觉语言导航中语言推理慢与规划需即时的矛盾，提出SPARK-VLN双系统框架，通过三个模块将慢速VLM推理器知识流到快速规划器，引入新基准套件，提高了导航成功率、社会合规性及推理效率。
逻辑引导的社会感知机器人导航世界模型
机构 * School of Applied and Creative Computing, Purdue University（应用与创意计算学院，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Department of Applied Artificial Intelligence, Sungkyunkwan University（应用人工智能系，成均馆大学） ； Department of Computer Science and Department of Intelligent Systems Engineering, Indiana University Bloomington（计算机科学系和智能系统工程系，印第安纳大学布卢明顿分校）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出NaviWM，通过结合结构化世界模型和逻辑驱动推理链，增强大语言模型在动态人类空间中生成社交合规且物理安全的导航决策的能力。
Comments The authors have decided to withdraw this manuscript due to concerns regarding its current scope, framing, and presentation. Please do not cite this version
在越野导航中学习何时跳跃
机构 * University at Buffalo（布法罗大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出Motion-aware Traversability方法，通过建模实际机器人运动动态，提升越野导航的实时性和安全性，减少75%的路径绕行。
Journal ref Robotics: Science and Systems (RSS), 2026
在有限标注和导航预算下用于目标检测的具身主动学习
机构 * LAAS-CNRS, Universite de Toulouse, CNRS（法国国家科学研究中心图卢兹分部LAAS、图卢兹大学、法国国家科学研究中心） ； Department of Electrical Engineering and Automation at Aalto University（阿尔托大学电气工程与自动化系）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究在机器人导航和标注预算有限时，如何让目标检测器适应未知环境。核心方法是利用空间一致性选择样本重训检测器，实验表明该方法能在无外部监督下选图，相同预算下适应结束时检测精度最高。
Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
世界合一演示：用于学习开放世界移动操作的合成数据引擎
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究如何通过合成数据引擎WANDA从单个演示学习开放世界移动操作策略，利用重建背景、重排交互片段、校正状态扩展等方法，实现长期鲁棒性、空间泛化和跨环境泛化，还支持跨实体数据生成。
Comments Project website: https://wanda.lecar-lab.org/
用于视觉语言导航的实例增强语义地图
机构 * Department of Mechanical Engineering, Kyung Hee University（庆熙大学机械工程系） ； Advanced Institutes of Convergence Technology (AICT)（融合技术高级研究院） ； School of Mechanical Engineering, Kyungpook National University（庆北国立大学机械工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究视觉语言导航问题，提出实例增强语义地图框架，通过实例级二维半丰富信息映射、基于大语言模型的鲁棒查询处理和存储高效的语义表示，提升导航性能，在相关实验中取得优于基线的结果。
SoftNav：将3D场景令牌注入视觉语言模型以进行具身导航
机构 * Zhejiang University（浙江大学） ； Shandong University（山东大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究针对具身导航中3D场景理解与导航推理协同问题，提出SoftNav方法，通过轻量级投影仪将3D连续表示作为软令牌注入VLM隐藏空间，在HM3D-OVON上超越先前方法，且能零样本转移到其他场景，弥合表征差距实现可转移导航。
Comments 8 pages, 6 figures. Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
xChk：自带身份——基于验证者确定充分性的异构认证
专题命中 GUI与网页智能体 ：AI agent(abstract)
AI总结 xChk作为自带身份的参考身份提供商，让用户通过异构证明注册并在OIDC令牌中披露声明，依赖方应用自身策略，支持人工参与高风险操作认证，生产部署实现双边RP评估及特定依赖方登录。
Comments 19 pages, 4 figures. Reference implementation at https://in.xchk.io; one documented RP (crabbyed.com, Appendix B)
分配共同价值物品
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文研究了在无货币交易情况下最大化共同价值物品分配的问题，通过机制筛选代理人私有信息并影响其对物品价值的学习，最优机制由两个参数决定，可能排除部分代理人并导致即使所有代理人愿意接收时也 withholding 分配。
面向德国大流行模拟的移动性信息耦合ABM、PDE和ODE模型
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出混合建模框架，耦合高分辨率ABM与PDE/ODE模型，利用手机移动数据实现跨区域个体转移，平衡精度与效率，并在全德仿真中评估旅行限制和防控策略。
AutoPath：学习可转移的目标条件随机路径先验以实现无人类示范的安全导航
机构 * Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen University（深圳大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究在复杂环境下的安全导航问题，提出学习可转移目标条件随机路径先验的方法，引入规范状态表示和结构化先验学习框架，实验证明该方法成功率高、效率有竞争力且可跨平台转移。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L). 8 pages, 4 figures
在人群中导航：用于人类感知机器人导航的具有社会力动力学的非线性模型预测控制
机构 * Department of Electronics and Telecommunications, Politecnico di Torino（电子与电信系，都灵理工大学） ； School of Engineering, Pablo de Olavide University（工程学院，巴勃罗·德奥拉维德大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究针对自主机器人在人群中安全合规导航的挑战，提出基于社会力模型的非线性模型预测控制框架SFM-NMPC，将人类运动预测嵌入优化循环，能联合预测人机轨迹，经测试在社会合规性上优于基线，有效用于现实社会导航。
Comments 9 pages, 7 figures, accepted at IROS 2026
PIER-Flow：用于实时移动机器人导航的物理信息高效整流流
机构 * School of Automation, Northwestern Polytechnical University（西北工业大学自动化学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究针对移动机器人在复杂环境下导航问题，提出PIER-Flow策略。通过将MPC专家知识融入常微分方程，利用并行潜在采样等实现单步动作生成，经物理信息训练目标及异步架构提升性能，在模拟和实际部署中均取得良好效果，显著加速规划并降低延迟。
重新思考GenUI的用户界面：两种设计的故事
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 本研究通过对比两种GenUI设计（非结构化深度优先高保真 vs. 结构化广度优先低保真），探讨如何更好地支持早期0到1设计探索，发现结构化输入和广度优先工作流有优势但存在权衡。
SmoothTurn: 为四足机器人敏捷导航学习平稳转向
机构 * School of Computer Science, University of Sydney（悉尼大学计算机科学学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出SmoothTurn框架，通过引入序列目标到达奖励、扩展观测空间和自动目标课程，使四足机器人在高速运行时实现平稳转向，提升敏捷导航能力。
ReMoSPLAT：高斯点云上的反应式移动操作控制
机构 * QUT Centre For Robotics, School of Electrical Engineering and Robotics at the Queensland University of Technology（昆士兰理工大学机器人中心，电气工程与机器人学学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究移动操纵器在不涉及高成本规划下如何利用高斯点云表示避免碰撞，提出基于二次规划公式的ReMoSPLAT反应式控制器，通过模拟实验验证其可行性，性能可媲美依赖完美信息的控制器，并在真实机器人平台进一步验证。
Comments 8 pages, 5 figures
一种用于自主地面激光扫描的田间表型分析机器人
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； The University of Georgia（佐治亚大学） ； Bio-Sensing, Automation and Intelligence Laboratory（生物传感、自动化与智能实验室） ； Agricultural & Biological Engineering（农业与生物工程） ； The University of Florida（佛罗里达大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本研究开发了一种自主地面机器人系统，利用高分辨率三维激光扫描仪实现田间表型分析，提高了田间作物生长监测的自动化和准确性。
Comments Submitted to Journal of Field Robotics
基于人工智能的血管内导航的血管几何特征表征
机构 * National Taiwan University Hospital（台湾大学附属医院） ； Chelsea & Westminster Hospital（切尔西和威斯敏斯特医院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究旨在识别与血管内导航难度相关的血管指标并开发自动化流程，通过分割血管树测量指标，用RL算法导航并分析结果，发现血管几何形状影响导航难度，所提流程为相关评估奠定基础。
Comments Int J CARS (2026)
一种用于现实世界传染病模拟的混合 ABM-PDE 框架
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究提出将 ABM 与 PDE 模型结合的混合建模方法用于传染病模拟，以降计算复杂度。通过耦合机制保证一致性，用真实数据评估，该模型能捕捉核心动态且高效模拟，为传染病建模提供了强大且计算高效的替代方案。
海报：注意差距——刻画谷歌安全浏览（GSB）与域名系统（DNS）解析之间的时间盲点
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 研究刻画谷歌安全浏览与DNS解析间时间差距，通过数据包捕获分析发现约79%测量有正时间差距，DNS响应滞后，复杂解析中或有安全隐患，为研究浏览器安全机制中基于时间的风险及缓解措施奠定基础。
Comments To appear in the proceedings of the 23rd Conference on Detection of Intrusions and Malware & Vulnerability Assessment (DIMVA '26)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈