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。
从视觉语言导航中的区域到达到实例级定位
机构 * Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； Ruyi Dynamics（如意动力） ； Fudan University（复旦大学） ； Swiss Federal Institute of Technology Lausanne (EPFL)（瑞士洛桑联邦理工学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究视觉语言导航中当前评估协议局限，提出‘最后3米定位差距’及指标，构建REALM模块和REVERIE - AIM数据集，可减少过早终止，提升定位精度和视觉定位成功率。
广域物联网传感器网络中的移动基站最优巡回
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对广域物联网传感器网络，提出移动基站最优巡回（MOT）问题，通过形式化建模为组合优化问题，因计算难设计多项式时间贪婪启发式算法，模拟结果显示算法能低成本、全覆盖且快速执行。
Comments Accepted for publication at the Proceedings of SPCOM 2026
Social-Annotate: 用于标注和收集社交媒体数据的自愈浏览器扩展
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出Social-Annotate浏览器扩展，通过注入可定制表单实现在线平台直接数据收集，并集成大语言模型驱动的自愈代理以应对界面变化，支持12个平台，降低数据收集和维护成本。
Comments 13 pages, 3 figures, 1 SI-table, 2 SI-figures
SE(2)导航网格
机构 * Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出SE(2)导航网格，通过编码偏航依赖的可通行性，支持非圆形机器人在复杂多层环境中的高效路径规划，并开发了A*-拉绳-A*分层路径搜索策略。
Comments Project page: https://se2-navmesh.github.io/
学习在图像空间中定位参考轨迹用于视觉导航
机构 * Division of Robotics, Perception, and Learning（机器人、感知与学习 division） ； KTH Royal Institute of Technology（瑞典皇家理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出LoTIS模型，通过定位参考轨迹在机器人当前视图中的图像坐标，实现无需相机标定、位姿或机器人特定训练的跨实体视觉导航，在正向导航中成功率提升20-50个百分点，达到94-98%。
基于克里金稀疏测量与障碍推断的智慧港口移动基站定位
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 提出DOCKING框架，利用普通克里金法重建无线环境图并推断障碍物模型，实现移动集成接入与回传部署优化，在稀疏测量下达到高精度与容量增益。
Comments 15 pages, 14 figures. Submitted to IEEE Open Journal of the Communications Society
内容背后：维基百科移动端浏览量与旅游活动
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究利用维基百科移动端浏览量作为高频、可解释的旅游活动指标，发现其与当日酒店需求和景点访客量正相关，优于桌面端浏览量。
Journal ref 31e Conf{é}rence de l'Association Information et Management, Association Information et Management, May 2026, Neuch{â}tel, Switzerland
分析运动学自行车模型空间表示中的不确定性
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对车辆运动学模型中的不确定性，采用泰勒级数线性化三角函数，推导了协方差矩阵的闭式表达式，与蒙特卡洛模拟吻合，首次完整给出了协方差矩阵的闭式解。
Journal ref In 2025 International Conference on Emerging Technologies in Electronics, Computing, and Communication (ICETECC) (pp. 1-6). IEEE
OpenFrontier: 基于视觉-语言基础的通用导航
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft Spatial AI Lab（微软空间人工智能实验室） ； University of Bonn（波恩大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出OpenFrontier框架，通过稀疏子目标识别与到达问题实现高效导航，无需任务特定训练或微调，适用于多种视觉-语言先验模型，展示零样本性能和真实机器人部署效果。
Efficient-VLN: 一种高效且强大的视觉语言导航基线
机构 * The Chinese University of Hong Kong（香港中文大学） ； Weitu AI
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 Efficient-VLN通过三个简单有效机制解决视觉语言导航中的系统瓶颈，提升推理效率和训练稳定性，在R2R-CE和RxR-CE基准上取得新突破。
GuardianPWA: 提升渐进式Web应用安装生命周期的安全性
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出GUARDIANPWA框架，基于CIA原则分析PWA安装机制，发现203处安全违规，揭示浏览器厂商在PWA安装生命周期中的隐私风险，并帮助开发者提升安全性。
LocalNav: 蒸馏前沿视觉语言模型与具身强化学习用于设备端物体目标导航
机构 * Center for Project-Based Learning（项目学习中心） ； Integrated Systems Laboratory（集成系统实验室）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出蒸馏策略将大型VLM的空间语义推理迁移至轻量级本地VLM，结合E-RLVR与令牌生成正则化，在嵌入式设备上实现低延迟物体目标导航。
RAE-NWM：密集视觉表示空间中的导航世界模型
机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； University of Rochester（罗切斯特大学） ； Beijing Information Science and Technology University（北京信息科技大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出RAE-NWM，在密集视觉表示空间中使用条件扩散Transformer建模导航动态，提升结构稳定性和动作精度，从而改善下游规划与导航。
Comments Code is available at: https://github.com/20robo/raenwm
异构移动充电器协同优化无线可充电传感器网络充电
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 针对无线可充电传感器网络能量受限问题，提出异构移动充电架构，结合无人机与地面智能车协同充电，并设计IHATRPO算法优化充电效率，显著降低节点死亡率。
Comments 16 pages, 52 figures, submitted to IEEE Internet of Things Journal
SurveilNav: 机器人与监控系统协同的目标导航
机构 * Beihang University（北京航空航天大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Jiaotong University（北京交通大学） ； ATeam ； University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出SurveilNav框架，通过主动摄像头调度、联合2D/3D建图、基于VLM的价值估计和协同目标验证，融合机器人动态局部感知与监控全局视图，在HM3D数据集上实现领先的探索效率和导航成功率。
Comments Accepted by ICRA 2026
VisCritic: 视觉状态比较作为GUI智能体的过程奖励
机构 * City University of Hong Kong（香港城市大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出VisCritic框架，通过比较操作前后截图在视觉特征空间中的变化来验证GUI智能体动作，结合孪生视觉Transformer和动作感知评判头，无需额外人工标注即可提升多基准测试性能。
Comments 17 pages, 4 figures; ECCV 2026 submission; supplementary material uploaded as ancillary file
二维流动中的最优导航：控制理论与强化学习
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究在二维流动中，受平流和自推进的智能体（如漂浮无人机）的最小时间路径问题，利用最优控制理论求解，并应用强化学习（Q学习和演员-评论家算法）设计鲁棒导航策略，在规则流中接近最优解，在湍流中偏差增大，且粗粒化训练可泛化至全流场。
来自预训练ViT的每补丁标量实现现实世界快速移动导航
机构 * NaverLabs Europe（NaverLabs欧洲）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 通过大规模真实世界导航实验，研究预训练视觉编码器在机器人导航中的关键组件，提出异构多教师蒸馏和瓶颈策略，发现可解释特征与可供性关联，并证明仅用RGB训练非最优。
Comments European Conference on Computer Vision -- ECCV 2026
Journal ref European Conference on Computer Vision -- ECCV 2026
UNSEEN: 未知环境中基于稀疏估计的不确定性感知导航
机构 * University of Trento（特伦托大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出UNSEEN框架，仅用前视相机通过稀疏地图与位姿不确定性估计，联合优化任务进度与估计精度，在未知环境中实现鲁棒导航，相比现有方法定位误差降低9.8%，估计精度提升45%。
迷失在聚合中：LLM空间导航的多尺度诊断基准
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出多尺度诊断基准，将迷宫导航分解为局部、节点和全局三个认知层次，评估LLM在空间推理中的失败位置，发现跨尺度聚合是主要瓶颈。
HumanHalo -- 通过最小保守MPC实现安全高效的三维人群导航
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出HumanHalo框架，结合可达性安全保证与数据驱动人体运动预测，通过仅约束初始控制输入实现安全高效的3D MAV人群导航，在仿真和真实实验中验证了其有效性。
OmniNWM：全知驾驶导航世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究所） ； PhiGent ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出OmniNWM全知全景导航世界模型，在统一概率框架下处理状态、动作和奖励三个维度，实现多模态全景视频生成、零样本轨迹控制及内在奖励机制，在生成保真度和控制精度上达到SOTA。
Comments ECCV 2026
SenseExpo: 通过快速预测算子的场景估计进行空间探索与导航
机构 * Tsinghua University（清华大学） ； University of Georgia（佐治亚大学） ； Peking University（北京大学） ； D-Robotics（D-机器人） ； Infinity Robotics（Infinity机器人）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出轻量级单机器人探索框架SenseExpo，结合紧凑地图预测网络与前沿策略，以709K参数实现优于U-Net和LaMa的预测性能，并在探索实验中显著加速目标覆盖。
PolyMerge: 用多面体覆盖压缩3D高斯泼溅以实现可证明安全的资源受限导航
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出PolyMerge，将大规模3D高斯泼溅模型转换为凸多面体覆盖，保证覆盖原模型所有障碍物，结合控制障碍函数实现实时安全路径规划，在Crazyflie无人机上验证。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8512-8519, July 2026
缺失的层次：为什么教育科技需要设计时的生成式用户界面，而非仅运行时个性化
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 针对教育科技中运行时生成式UI导致可访问性不足的问题，提出在创作层采用基于卡片的语义单元编码，由生成式AI在教学设计时生成多种界面表示，经教师验证后交付，实现公平可扩展的适应性教育。
Comments Accepted at the NextGen Learning Interfaces Workshop in AIED 2026
Metis: 一种用于自动驾驶和城市导航的通用高效世界-动作模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Li Auto Inc.（理想汽车） ； Huazhong University of Science and Technology（华中科技大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出Metis框架，通过解耦视频生成与动作预测，采用混合专家架构和不对称注意力掩码，实现高效推理与泛化，在多个导航基准上取得最优性能。
通过浏览器可访问的LLM交互得到度/直径问题的新下界
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 通过与ChatGPT交互发现图构造，改进了度/直径问题的下界：N(12,5)≥34,992和N(16,5)≥147,456。
任务感知的环境增强：通过屏蔽条件扩散实现可靠导航
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对部分可观测环境下的轨迹规划可靠性问题，提出任务感知的环境增强方法SCoDA，利用条件扩散模型学习最优视觉标记布局，通过屏蔽采样引导标记放置，提升轨迹执行可靠性和完成时间。
GuideWalk: 面向人形机器人的统一自主导航与运动学习，适用于多种地形
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Leju Robotics（乐聚机器人）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出GuideWalk框架，通过可通行性感知导航引导与地形自适应运动教师蒸馏，实现人形机器人在复杂地形上的稳定导航与运动协调。
用于四肢瘫痪用户居家移动操作的双侧高密度肌电控制
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对颈椎脊髓损伤用户，提出双侧高密度肌电（HDEMG）前臂袖套，结合共享自主框架实现实时手势控制移动操作器，经12天居家研究验证日常任务有效性。
Comments 17 pages, 20 figures
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