AI Agent

ECYSAP EYE: From Cyber Situational Awareness to Mission-Centric Decision Support for Enhanced Cyberspace Operations

ECYSAP EYE：从网络态势感知到以任务为中心的决策支持，增强网络空间行动

Pantaleone Nespoli, Daniel Díaz-López, Sergio Lopez Bernal, Francisco Oliva Bermejo, Pedro González Megías, Jorge Maestre Vidal, Víctor Sobrino García, Gregorio Martínez Pérez

专题命中 规划决策 ：planning(abstract)

AI总结 提出ECYSAP EYE系统之系统架构，通过七类任务相关制品（如RCyP、CySRs等）实现从感知到决策再到执行的过渡，支持增量部署与验证，提升网络空间任务规划与执行中的态势感知与决策支持能力。

Comments 4 pages, 1 figure, 1 table, paper in proceedings of the XI National Cybersecurity Research Conference (JNIC) in Barcelona, Spain, May, 2026

Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps

从草图探索：利用先验地图加速无人机在大规模环境中的探索

Tiancheng Lai, Yuman Gao, Xiangyu Li, Ruitian Pang, Xingpeng Wang, Siqi Shen, Mengke Zhang, Yin He, Fei Gao, Chao Xu, Yanjun Cao

机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院工业控制技术研究所） ； Huzhou Institute, Zhejiang University, and Huzhou Key Laboratory of Autonomous System（浙江大学湖州研究院，湖州市自主系统重点实验室） ； Zhejiang Zhongyan Industry Co., Ltd（浙江中烟工业有限责任公司） ； Differential Robotics Technology Company（微分机器人技术有限公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出利用稀疏、未对齐甚至不一致的2D先验地图加速无人机大规模环境探索的框架，通过鲁棒的2D-3D点云配准和层次化视点规划，实现效率提升34.2%。

Comments 25 pages, 22 figures

Bridging the sim2real gap in the table tennis robot with a transformer-based ball states predictor

基于Transformer的乒乓球状态预测器弥合仿真到现实的差距

Yin Bi, Christian Conti, Bilan Yang, Alexander Sigrist, Peter Dürr, Naoya Takahashi

机构 * Sony AI, Zürich, Switzerland（索尼AI，苏黎世，瑞士） ； Sony AI, Tokyo, Japan（索尼AI，东京，日本） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出基于Transformer的乒乓球状态预测框架，利用注意力机制建模长程时间依赖，结合大规模真实数据集，并引入SPAD策略替换仿真器，无需重新训练即可缩小sim2real差距。

PLUME: Probabilistic Latent Unified World Modeling and Parameter Estimation for Multi-Finger Manipulation

PLUME: 多指操作的概率潜在统一世界建模与参数估计

Abhinav Kumar, Soshi Iba, Rana Soltani Zarrin, Dmitry Berenson

机构 * University of Michigan（密歇根大学） ； Honda Research Institute USA（本田美国研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出PLUME世界模型，联合学习参数信念演化与条件动力学，通过在线参数推断实现零样本迁移，在螺丝刀旋转等任务中优于现有方法。

Comments 16 pages, 5 figures

An Admittance-Based Inverter Connection Screening Tool for Small-Signal System Strength

基于导纳的逆变器并网小信号强度筛选工具

Andreas Hadjileonidas, Debargha Brahma, Yue Zhu, Timothy C. Green

专题命中 规划决策 ：planning(abstract)

AI总结 针对高渗透逆变器资源引发的小信号失稳问题，提出基于导纳的逆变器连接筛选工具，通过评估候选逆变器配置在关键模态频率下的导纳与系统导纳谱，高效预测其对小信号强度的影响，避免建立解析模型，并验证了准确性。

Comments 10 pages, 10 figures, 9 tables

An information-geometric framework for mapping maximum potential biodiversity

一种用于映射最大潜在生物多样性的信息几何框架

Shinto Eguchi

专题命中 规划决策 ：planning(abstract)

AI总结 提出信息几何框架，通过约束变分原理定义潜在组成和多样性差距，统一处理Hill型多样性和Rao二次熵，为生态保护提供基准比较。

Comments 22 pages, 1 figure

IMPACT: Learning Internal-Model Predictive Control for Forceful Robotic Manipulation

IMPACT：面向强力机器人操控的内部模型预测控制学习

Jiawei Gao, Chaoqi Liu, Peilin Wu, Haonan Chen, Yilun Du

机构 * Harvard University（哈佛大学） ； Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出IMPACT框架，将强力操控任务解耦为任务规划和基于内部模型的预测控制，通过仿真和实验证明其在成功率、泛化性、安全性和能效上的优势。

Comments Project website: https://gao-jiawei.com/IMPACT/

Improving PET/CT-Based Whole-Body Lesion Segmentation Using Prediction Uncertainty-Augmented Models

利用预测不确定性增强模型改进PET/CT全身病灶分割

Bashirul Azam Biswas, Biratal Raj Wagle, Zhihan Yang, Marc A. Seltzer, Matthew E. Maeder, James B. Yu, Indrani Bhattacharya

机构 * Department of Biomedical Data Science（生物医学数据科学系） ； Geisel School of Medicine at Dartmouth（达特茅斯大学盖西尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯希思科特医疗中心） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种不确定性感知框架，结合贝叶斯集成、体素不确定性量化与不确定性增强训练，提升PET/CT全身病灶分割的鲁棒性和病灶检测能力，在AutoPET-III和Deep-PSMA数据集上验证。

Comments 32 pages, 10 figures, 5 tables

Spatially heterogeneous power-law attenuation with multiple relaxation mechanisms for ultrasound modeling

用于超声建模的具有多重弛豫机制的空间异质性幂律衰减

Masashi Sode, Gianmarco Pinton

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种校准框架，通过无导数优化系统拟合弛豫参数，实现空间异质性幂律衰减的超声建模，在1-20 MHz频率范围内平均误差低于3%。

Approaching the Limit of Intrinsic Crystalline Thermal Insulation

接近本征晶体热绝缘的极限

Ruihuan Cheng, Zhiqiang Cui, Mani Jayaraman, Lincong Ji, Chen Wang, Zesheng Zeng, Petr Levinsky, Jiri Hejtmanek, Christophe Candolfi, Emmanuel Guilmeau, Xingchen Shen, Yue Chen

专题命中 规划决策 ：workflow(abstract)

AI总结 提出结合通用机器学习势与高保真声子传输理论的高通量工作流，发现数十种室温热导率低于0.2 W/m·K的晶体，其中CsTlI₄创下0.14 W/m·K的纪录，并通过层级键合框架解释了超低热导率机制。

Back to the Familiar Future: Failure Recovery for VLA Policies via Pre-Imagined Milestone Selection

回到熟悉的未来：通过预想里程碑选择实现VLA策略的故障恢复

Suyeon Shin, Juwon Kim, Hyeonbin Park, Hyunseo Kim, Hyundo Lee, Hyung-Sin Kim, Byoung-Tak Zhang

机构 * Seoul National University（首尔大学） ； Yonsei University（延世大学） ； Soongsil University（崇实大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出B2FF框架，通过预生成熟悉未来状态里程碑并选择恢复目标，使VLA策略在偏离轨迹时无需微调即可稳健恢复，成功率从56.3%提升至74.0%。

Trajectory Optimization in Single and Dual-UAV Bearing-Only Target Localization

单无人机和双无人机仅方位目标定位中的轨迹优化

Zhijian Xiao, Huayu Huang, Bin Li, Yang Shang, Banglei Guan

机构 * College of Aerospace Science and Engineering, National University of Defense Technology（国防科技大学航天科学与工程学院） ； Hunan Key Laboratory of Image Measurement and Visual Navigation（湖南省图像测量与视觉导航重点实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出基于Fisher信息矩阵的轨迹优化方法，通过谱加权目标函数和交叉角正弦项改善观测几何，结合改进粒子群算法，显著降低定位误差。

Comments 16 pages, 13 figures and 6 tables. Submitted to Measurement

Video2Sim2Real: Full-Stack Autonomous Dexterous Skill Acquisition from a Single Human Video

Video2Sim2Real：从单个人类视频实现全栈自主灵巧技能获取

Yunhai Han, Jianuo Qiu, Linhao Bai, Ziyu Xiao, Zihang Zeng, Yangcen Liu, Zhaodong Yang, Shalin Jain, Wenrui Ma, Jiaqi Fu, Yuqian Zheng, Manisha Natarajan, Muhammad Zubair Irshad, Kenneth Shaw, Matthew Gombolay, Zsolt Kira, Harish Ravichandar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Toyota Research Institute（丰田研究所） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出Video2Sim2Real框架，从单个人类操作视频中重建数字孪生并提取运动先验，通过物体关键帧优化机器人配置，结合残差强化学习与碰撞感知规划，实现从仿真到真实世界的灵巧技能迁移。

Comments Website: https://video2sim2real.github.io/

Graph Neural Networks for Fast Operator Selection in Adaptive VQE

用于自适应VQE中快速算子选择的图神经网络

Javad Vahedi, Hadi H. Arefi

专题命中 规划决策 ：workflow(abstract)

AI总结 提出图神经网络策略，从相互作用图和状态可观测量直接预测纠缠算子，替代梯度扫描，大幅降低自适应VQE的经典成本。

Comments 15 pages, 7 figures

PhysGraph: A Physics-aware 3D Scene Graph for Perception and Reasoning

PhysGraph：用于感知与推理的物理感知3D场景图

Haoyu Li, Aaron Thomas, Shuyan Zhou, Xianyi Cheng

机构 * Duke University（杜克大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出PhysGraph框架，结合符号推理与结构化3D几何，建模杂乱场景中的运动学和物理属性，在语义分割、多物体质量估计和关节预测上达到最优。

Real-IKEA: Physical Fidelity is the Prerequisite for Robust Manipulation

Real-IKEA：物理保真度是鲁棒操作的前提

Kunqi Xu, Zhenhao Huang, Siyuan Luo, Ziqiu Zeng, Fan Shi

机构 * National University of Singapore（新加坡国立大学） ； Peking University（北京大学） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 针对仿真与现实物理差异导致操作鲁棒性不足的问题，提出Real-IKEA数据集与仿真框架，通过高保真资产和阻力校准配置，使强化学习策略发现优先利用机械优势的鲁棒策略。

Robust Optimization for Green Ammonia Production

绿色氨生产的鲁棒优化

Karl Zhu, Yassine Bohafid, Omar Kadir, Dimitris Bertsimas

专题命中 规划决策 ：planning(abstract)

AI总结 针对可再生能源不确定性下Haber-Bosch过程最低负荷要求，提出结合k-means聚类与鲁棒优化的场景缩减框架，实现可行容量规划与自适应滚动时域运行策略。

Comments Submitted to Operations Research

SIMPLE: Simulation-Based Policy Learning and Evaluation for Humanoid Loco-manipulation

SIMPLE：基于仿真的人形机器人全身操作策略学习与评估

Songlin Wei, Zhenhao Ni, Jie Liu, Zhenyu Zhao, Junjie Ye, Hongyi Jing, Junkai Xia, Xiawei Liu, Michael Leong, Liang Heng, Di Huang, Yue Wang

机构 * USC Physical Superintelligence (PSI) Lab（南加州大学物理超级智能实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出SIMPLE仿真平台，结合MuJoCo动力学与IsaacSim渲染，包含60个全身任务、50个室内场景和1000+物体资产，支持自动化轨迹生成和VR遥操作数据采集，并集成多种主流策略，实验证明仿真与真实世界性能强相关，可实现零样本迁移。

Quantifying the evolving topical structure of science across journals, countries, regions, and research domains

量化科学在期刊、国家、地区和研究领域中的主题结构演变

Carlos Oscar S. Sorzano

专题命中 规划决策 ：planning(abstract)

AI总结 提出一个可重复的框架，利用OpenAlex开放元数据，结合统一主题本体和简单趋势估计器，量化科学活动的主题流行度和动态，支持跨期刊、国家、地区和领域的一致比较。

CATEKAPPA: An R Shiny Application for Design and Analysis of Consistency Tests Based on the Kappa Statistic for Categorical Responses

CATEKAPPA：基于Kappa统计量进行分类响应一致性检验设计与分析的R Shiny应用

Zheng Gai, Li Xincheng, Jiang Wangyingjie, Zhao Panwei

专题命中 规划决策 ：planning(abstract)

AI总结 针对分类数据一致性检验中样本量确定和Kappa系数计算两大难题，开发了集成样本量规划与一致性分析的R Shiny应用CATEKAPPA，支持Cohen's、Fleiss'和Light's Kappa，并提供自动解释。

Comments 10 pages, 4 figures; This open-source R package CATEKAPPA is available on CRAN at https://CRAN.R-project.org/package=catekappa, source code repository is hosted at https://github.com/satellite837/catekappa. Manuscript planned for submission to Journal of Statistical Software (JSS). Supplementary R package source code uploaded as ancillary file

Affordance-Based Hierarchical Reinforcement Learning for Quadruped Pedipulation

基于可负担性的四足机器人层级强化学习操控

Tuba Girgin, Jose Castelblanco, Gabriel Rodriguez, Emre Girgin, Cagri Kilic

机构 * Embry-Riddle Aeronautical University（埃姆布里-瑞德航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出三级层级强化学习框架，利用姿态和交互点可负担性引导导航与操控策略，在仿真和真实环境中实现自主物体操控。

Comments This paper is submitted to Wiley Journal of Field Robotics

Test-Time Trajectory Optimization for Autonomous Driving

自动驾驶的测试时轨迹优化

Yihong Xu, Eloi Zablocki, Yuan Yin, Elias Ramzi, Ellington Kirby, Alexandre Boulch, Matthieu Cord

机构 * valeo.ai ； Sorbonne Université（索邦大学） ； CNRS（国家科学研究中心） ； ISIR（信息科学研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出TOAD方法，在测试时使用交叉熵方法优化轨迹，无需重新训练即可提升多种规划器的性能。

CANote: Empowering Fact-checking Note Writing Through Scaffolded and Provenance-based Human-AI Collaboration

CANote: 通过支架式和基于来源的人机协作增强事实核查笔记撰写

Shuning Zhang, Jingruo Chen, Yuwei Chuai, Dai Shi, Yifan Wang, Xin Yi, Hewu Li

专题命中 规划决策 ：workflow(abstract)

AI总结 提出CANote系统，通过子主张提取、证据链接和结构化草稿辅助用户撰写高质量辟谣笔记，显著提升非专家用户的笔记质量至专家水平。

Mission-Level Runtime Assurance Framework for Autonomous Driving

自动驾驶任务级运行时保证框架

Chieh Tsai, Salim Hariri

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种评估驾驶安全与任务完成能力的运行时保证框架，通过监控系统拒绝不可行命令，实验证明其优于仅关注平台安全的方法。

STRIPS-WM: Learning Grounded Propositional STRIPS-style World Models from Images

STRIPS-WM：从图像学习基于命题的STRIPS风格世界模型

Abhiroop Ajith, Constantinos Chamzas

机构 * Worcester Polytechnic Institute（沃斯特理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出STRIPS-WM框架，从图像转换中学习符号化世界模型，用于机器人视觉任务规划，提升规划成功率。

PhyRoGen: Synthetic Generation of Physical Robot Manipulation Puzzles Using Procedural Content Generation

PhyRoGen：使用程序化内容生成物理机器人操作谜题的合成生成

Lennart Julian Droß, Andreas Orthey, Marc Toussaint

机构 * Technical University of Berlin（柏林技术大学） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出PhyRoGen框架，利用程序化内容生成自动创建机器人操作谜题的合成数据集，生成的24个谜题可在1-300秒内求解，并在物理仿真中验证可操作性。

Comments 8 pages, accepted at CASE 2026

Agentic ERP: Multi-Agent Large Language Model Architecture for Autonomous Enterprise Resource Planning

智能企业资源规划（Agentic ERP）：用于自主企业资源规划的多智能体大语言模型架构

Zhihao Liu, Tianyu Wang, Xi Vincent Wang, Lihui Wang

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Department of Production Engineering（生产工程系） 纠错

专题命中 多智能体 ：agentic(title,title_cn)；agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)

AI总结 研究针对ERP系统过度依赖人类决策的问题，提出Agentic ERP架构，结合角色对齐的LLM智能体、人工参与框架和图编排器。通过特定决策问题表述、编排解耦及多层面评估，证明该方法优于基线，能让ERP主动执行决策，提供了参考架构与评估协议。

Agentic Knowledge Tracing: A Multi-Agent LLM Architecture for Stealth Assessment of Financial Literacy in Serious Games

Agentic知识追踪：用于严肃游戏中金融素养隐形评估的多智能体大语言模型架构

Gabriel Santos, Rita Julia, Marcelo Nascimento

机构 * Federal University of Uberlândia Computer Science Faculty（伯南布哥联邦大学计算机科学学院） 纠错

专题命中 多智能体 ：agentic(title,title_cn)；agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 提出多智能体大语言模型架构Agentic BKT，通过四阶段流程从严肃游戏事件中隐形评估金融素养，实验表明其预测效度显著优于单智能体基线。

Comments 8 pages, 5 figures, IEEE CoG 2026

BoardroomAI: Dependency-Aware Human-Steerable Multi-Agent Deliberation through Evolving Decision Graphs

BoardroomAI：通过演化决策图实现依赖感知、人类可引导的多Agent审议

Sanjeev Manivannan

机构 * Indian Institute of Technology Madras（马德拉斯印度理工学院） 纠错

专题命中 多智能体 ：agent(title,title_cn)；multi-agent(title,abstract)；分类 cs.AI

AI总结 BoardroomAI通过四个组件实现依赖感知的人类可引导多Agent审议，实验显示其传播效率高、修复效果好，为相关研究提出了决策充分上下文闭合的需求。

Comments 14 pages, 2 figures

Agentic Social Affordance Framework (ASAF): Agent Identity Design as a Collaboration Interface in Multi-Agent Systems

智能体社会可供性框架 (ASAF)：多智能体系统中作为协作接口的智能体身份设计

Meng-Han Lee

机构 * Independent Researcher（独立研究者） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(title,abstract)；autonomous agent(abstract)

AI总结 提出ASAF框架，将社会可供性理论扩展到多智能体AI系统，将智能体身份设计视为协作接口，通过身份信号、行为启动和协作治理三个机制影响人机协作质量。

Comments 36 pages, 2 figures, 1 table. Introduces ASAF with falsifiable hypotheses and proposed experimental designs for testing agent identity design effects in multi-agent Human-in-the-Loop systems, grounded in a real-world 38-agent deployment