AI Agent - arXivDaily 专题

2606.15154 2026-06-16 cs.RO 新提交 50%

Task-Aware Environment Augmentation for Reliable Navigation via Shielded Conditional Diffusion

任务感知的环境增强：通过屏蔽条件扩散实现可靠导航

Bharawee Phoompho, Gokul Puthumanaillam, Yan Miao, Ruben Hernandez, Tim Bretl, Sayan Mitra, Melkior Ornik

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。

2606.10449 2026-06-16 cs.RO 新提交 50%

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

Haoxuan Han, Chen Chen, Linao Gong, Xin Yang, Hao Hu, Junhong Guo, Zhicheng He, Yao Su, Fenghua He

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。

2606.14106 2026-06-15 cs.MA cs.CV 新提交 50%

朴素视觉记忆不足：GUI代理的失败模式研究

Seoyoung Choi, Minseok Ko, Hyunseok Lee, Kunwoong Kim, Woomin Song, Chanseok Jeon, Jinwoo Shin

机构 * KAIST（韩国科学技术院）

专题命中 GUI与网页智能体：agent(abstract)

AI总结本文提出动作锚定视觉记忆（AGMem），通过存储与成功动作相关的局部GUI区域图像而非全屏截图，减少GUI代理中的动作级错误，在OSWorld上将任务成功率提升33.3%。

Comments 9 pages, 5 figures, ICML 2026 WORKSHOP

2606.13494 2026-06-12 cs.RO cs.CV 新提交 50%

NavWAM：用于目标条件视觉导航的导航世界动作模型

Daichi Azuma, Taiki Miyanishi, Koya Sakamoto, Shuhei Kurita, Yaonan Zhu, Petr Khrapchenkov, Motoaki Kawanabe, Yusuke Iwasawa, Yutaka Matsuo

机构 * The University of Tokyo（东京大学）； National Institute of Informatics（国立信息学研究所）； AIRoA ； ATR

专题命中 GUI与网页智能体：planning(abstract)

AI总结提出NavWAM，一种扩散变换器策略，通过联合学习未来观测、目标进度值和动作块，将导航世界模型预测直接转化为可执行动作，在离线基准和真实机器人部署中优于基于规划的世界模型基线。

2606.09268 2026-06-09 cs.RO 新提交 50%

VGP-Nav：用于机器人导航的度量感知视觉几何感知

Hewei Pan, Weiye Zhu, Zekai Zhang, Zitong Huang, Rongtao Xu, Jinbao Wang, Feng Zheng

机构 * Southern University of Science and Technology（南方科技大学）； MBZUAI（穆罕默德·本·扎耶德人工智能大学）； Shenzhen University（深圳大学）； SpatialTemporal AI（时空人工智能）

专题命中 GUI与网页智能体：planning(abstract)

AI总结提出VGP-Nav，一种仅依赖单目RGB输入的框架，通过地面平面几何约束解决尺度模糊，实现度量定位与障碍物感知的统一。