大模型推理能力

Anticipate, Adapt, Act: A Hybrid Framework for Task Planning

预见、适应、行动：一项任务规划的混合框架

Nabanita Dash, Ayush Kaura, Shivam Singh, Ramandeep Singh, Snehasis Banerjee, Mohan Sridharan, K. Madhava Krishna

机构 * Robotics Research Center, IIIT Hyderabad, India（IIIT海得拉巴机器人研究中心） ； TCS Research, Tata Consultancy Services, India（塔塔咨询公司研究部） ； School of Informatics, University of Edinburgh, UK（爱丁堡大学信息学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种混合框架，结合LLM的预测能力和关系动态影响图语言的决策能力，用于任务规划中的失败预测与应对。

Comments Accepted at IEEE European Conference on Mobile Robots (ECMR)

Multi-CoLoR: Context-Aware Localization and Reasoning across Multi-Language Codebases

多语言代码库中的上下文感知定位与推理：Multi-CoLoR

Indira Vats, Sanjukta De, Subhayan Roy, Saurabh Bodhe, Lejin Varghese, Max Kiehn, Yonas Bedasso, Marsha Chechik

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 Multi-CoLoR通过结合组织知识检索与图推理，提升多语言代码库中的定位准确性与效率。

Comments This paper has been accepted for publication at the 33rd IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER 2026)

Role-Adaptive Collaborative Formation Planning for Team of Quadruped Robots in Cluttered Environments

面向 cluttered 环境的四足机器人团队角色自适应协作形成规划

Magnus Norén, Marios-Nektarios Stamatopoulos, Avijit Banerjee, George Nikolakopoulos

机构 * Robotics and Artificial Intelligence Group, Department of Computer, Electrical and Space Engineering, Lulea University of Technology（机器人与人工智能小组，计算机、电气与航天工程系，卢莱亚理工大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种适用于 cluttered 环境的四足机器人团队角色自适应协作形成规划方法，通过动态角色分配和 FM2 算法实现灵活导航与稳定形成。

Multi-agent path-planning in a moving medium via Wasserstein Hamiltonian Flow

通过Wasserstein哈密顿流实现移动介质中的多智能体路径规划

Christina Frederick, Haomin Zhou

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种基于Wasserstein哈密顿流的有限维变分模型，用于在移动介质中实现多智能体路径规划，通过优化运行成本和初始速度来解决智能体位置与目标分布的不匹配问题。

Homotopy-Aware Multi-Agent Path Planning on Plane

平面中具有同伦意识的多智能体路径规划

Kazumi Kasaura

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出基于Dynnikov坐标的高效框架，用于平面中多智能体路径规划，通过结合优先规划生成多个同伦不同的解决方案，并验证其在避免局部最优解方面的有效性。

Comments 23 pages with 5 pages of references and appendices, 25 figures

Journal ref Journal of Artificial Intelligence Research 85, Article 15 (February 2026)

Scalable Multi-Robot Path Planning via Quadratic Unconstrained Binary Optimization

通过二次无约束二元优化实现可扩展的多机器人路径规划

Javier González Villasmil

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种基于二次无约束二元优化的多机器人路径规划方法，通过逻辑预处理和时间窗口分解策略实现了高效且可扩展的路径规划。

Comments 21 pages, 9 figures, 1 table. Accompanying open-source implementation at https://github.com/JavideuS/Spooky

Autonomous Navigation of Quadrupeds Using Coverage Path Planning with Morphological Skeleton Map

四足机器人自主导航的覆盖路径规划与形态学骨架地图

Alexander James Becoy, Kseniia Khomenko, Luka Peternel, Raj Thilak Rajan

机构 * Department of Cognitive Robotics, ME, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； Department of Microelectronics, EEMCS, Delft University of Technology（微电子系，代尔夫特理工大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出利用形态学骨架地图进行四足机器人自主导航的覆盖路径规划方法，通过有限状态机控制导航与扫描模式，实现了高效路径规划和环境扫描。

Comments 15 pages, published to Fronters In Robotics (currently in production), major revision: title change, abstract revised, grammar fixed, mathematical notations fixed and made consistent, conclusion revised, related works extended, Algorithm 1-3 revised

Journal ref Frontiers in Robotics and AI, Volume 31, 1601862, July 2025

ONRAP: Occupancy-driven Noise-Resilient Autonomous Path Planning

ONRAP：基于占用度的抗噪声自主路径规划

Faizan M. Tariq, Avinash Singh, Vipul Ramtekkar, Jovin D'sa, David Isele, Yosuke Sakamoto, Sangjae Bae

机构 * Honda Research Institute, CA, USA（本田研究院，美国加利福尼亚州） ； Honda Research and Development（本田研发） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 ONRAP 提出了一种基于占用网格的抗噪声路径规划方法，结合占用流预测以生成安全可行的路径，实现实时运行并有效应对不确定环境。

Comments 8 pages, 9 figures - Presented at 2026 IEEE Intelligent Vehicles Symposium (IV)

Adaptive Time Step Flow Matching for Autonomous Driving Motion Planning

自适应时间步长流匹配用于自动驾驶运动规划

Ananya Trivedi, Anjian Li, Mohamed Elnoor, Yusuf Umut Ciftci, Avinash Singh, Jovin D'sa, Sangjae Bae, David Isele, Taskin Padir, Faizan M. Tariq

机构 * HRI ； Honda Research Institute（本田研究院） ； Northeastern University（东北大学） ； Princeton University（普林斯顿大学） ； University of Maryland（马里兰大学） ； Stanford University（斯坦福大学） 纠错

专题命中 规划推理 ：planning(title)；reasoning(abstract)

AI总结 本文提出了一种基于条件流匹配的自适应时间步长框架，用于实时自动驾驶轨迹规划，通过在线调整推理步骤数和轨迹后处理提升性能。

Comments Accepted to Intelligent Vehicles Symposium 2026

From Steering to Pedalling: Do Autonomous Driving VLMs Generalize to Cyclist-Assistive Spatial Perception and Planning?

从转向到踩踏：自动驾驶VLMs是否能泛化到骑行辅助的空间感知与规划？

Krishna Kanth Nakka, Vedasri Nakka

专题命中 规划推理 ：planning(title)；reasoning(abstract)

AI总结 本文提出CyclingVQA基准，评估自动驾驶VLMs在骑行辅助场景中的感知与推理能力，发现现有模型在骑行特定交通提示理解上存在不足，需进一步改进。

Comments Preprint

From Legible to Inscrutable Trajectories: (Il)legible Motion Planning Accounting for Multiple Observers

从可理解到不可理解的轨迹：考虑多个观察者的（不）可理解运动规划

Ananya Yammanuru, Maria Lusardi, Nancy M. Amato, Katherine Driggs-Campbell

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出MMLO-LMP问题，设计DUBIOUS算法，实现对不同动机观察者的轨迹可理解性与可见性限制的平衡。

Comments 17 pages, 5 figures

From Sands to Mansions: Towards Automated Cyberattack Emulation with Classical Planning and Large Language Models

从沙子到豪宅：迈向自动化网络攻击仿真的方法：经典规划与大语言模型

Lingzhi Wang, Zhenyuan Li, Yi Jiang, Zhengkai Wang, Xiangmin Shen, Wei Ruan, Yan Chen

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出Aurora系统，结合经典规划与大语言模型，实现自动化网络攻击仿真，生成大规模数据集并验证其在入侵检测系统中的有效性。

Comments This is the author-accepted version of a paper accepted at the Applied Cryptography and Network Security (ACNS 2026)

"Having Lunch Now": Understanding How Users Engage with a Proactive Agent for Daily Planning and Self-Reflection

现在午餐时间

Adnan Abbas, Caleb Wohn, Arnav Jagtap, Eugenia H Rho, Young-Ho Kim, Sang Won Lee

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究用户与主动代理的互动，探讨其在日常规划和自我反思中的作用，发现用户有不同反应模式并提出设计改进。

Seg-ReSearch: Segmentation with Interleaved Reasoning and External Search

Seg-ReSearch: 基于交织推理和外部搜索的分割

Tianming Liang, Qirui Du, Jian-Fang Hu, Haichao Jiang, Zicheng Lin, Wei-Shi Zheng

机构 * ISEE Lab, Sun Yat-sen University（中山大学ISEE实验室） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 Seg-ReSearch通过交织推理和外部搜索提升分割系统处理动态开放世界查询的能力，有效克服现有方法的知识瓶颈。

GeneralVLA: Generalizable Vision-Language-Action Models with Knowledge-Guided Trajectory Planning

GeneralVLA：具备知识引导轨迹规划的通用视觉-语言-动作模型

Guoqing Ma, Siheng Wang, Zeyu Zhang, Shan Yu, Hao Tang

机构 * CASIA（中国科学院自动化研究所） ； Peking University（北京大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 GeneralVLA通过知识引导轨迹规划，实现无需真实数据或示范的通用视觉-语言-动作模型，提升机器人零样本操作和数据生成能力。

Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation

Mind-Brush: 将代理认知搜索与推理整合到图像生成中

Jun He, Junyan Ye, Zilong Huang, Dongzhi Jiang, Chenjue Zhang, Leqi Zhu, Renrui Zhang, Xiang Zhang, Weijia Li

机构 * Sun Yat-sen University（中山大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 Mind-Brush通过整合代理认知搜索与推理，提升图像生成模型对复杂知识推理和动态适应能力，实现性能显著跃升。

Comments 36 pages, 24 figures

Scientific Machine Learning for Resilient EV-Grid Planning and Decision Support Under Extreme Events

极端事件下面向韧性电动汽车-电网规划与决策支持的科学机器学习

Yifan Wang

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种科学机器学习框架，通过物理信息知识传递提升电动汽车-电网在极端事件下的韧性，减少积压并限制电网压力。

Comments 15 pages, 12 figures

LMTE: Putting the "Reasoning" into WAN Traffic Engineering with Language Models

LMTE：利用语言模型进行WAN流量工程中的推理

Xinyu Yuan, Yan Qiao, Zonghui Wang, Meng Li, Wenzhi Chen

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 LMTE利用语言模型进行WAN流量工程，通过高效多模态对齐和轻量级配置生成，实现更高效的流量规划和优化。

Comments Accepted as a conference paper at IEEE INFOCOM 2026

Stalled, Biased, and Confused: Uncovering Reasoning Failures in LLMs for Cloud-Based Root Cause Analysis

停滞、偏见和困惑：揭示LLM在基于云的根本原因分析中的推理失败

Evelien Riddell, James Riddell, Gengyi Sun, Michał Antkiewicz, Krzysztof Czarnecki

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 本文通过实证评估揭示LLM在基于云的根本原因分析中的推理失败，评估六种LLM在两种工作流程下的表现，识别16种常见推理失败类型，为未来推理驱动的系统诊断提供指导。

Comments FORGE 2026

LLM-Driven Scenario-Aware Planning for Autonomous Driving

基于大语言模型的场景感知规划用于自动驾驶

He Li, Zhaowei Chen, Rui Gao, Guoliang Li, Qi Hao, Shuai Wang, Chengzhong Xu

机构 * University of Macau（澳门大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出LAP，一种基于大语言模型的自适应规划方法，通过场景理解与联合优化实现自动驾驶中的高速与精确驾驶平衡。

SMART: A Social Movement Analysis & Reasoning Tool with Case Studies on #MeToo and #BlackLivesMatter

SMART：一种社会运动分析与推理工具：以#MeToo和#BlackLivesMatter案例研究为例

Valerio La Gatta, Marco Postiglione, Jeremy Gilbert, Daniel W. Linna, Morgan Manella Greenfield, Aaron Shaw, V. S. Subrahmanian

专题命中 规划推理 ：reasoning(title)；planning(abstract)

AI总结 SMART通过分析社交媒体数据，利用Transformer模型预测情绪变化，帮助记者更精准地报道社会运动与SDGs相关议题。

Comments Accepted at 2026 ACM The Web Conference (WWW 2026)

A Human-Centred AI System for Multi-Actor Planning and Collaboration in Family Learning

面向家庭学习多主体规划与协作的人机协同AI系统

Si Chen, Jingyi Xie, Yao Li, Ya-Fang Lin, He Zhang, Ge Wang, Gaojian Huang, Rui Yu, Ronald Anthony Metoyer, Ting Hua, Nitesh Chawla

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出ParPal系统，通过分解学习目标并分配任务给照顾者，提升家庭学习中的协作效率，揭示当前LLM在教育知识和现实约束处理上的局限性。

VideoPro: Adaptive Program Reasoning for Long Video Understanding

VideoPro: 针对长视频理解的自适应程序推理

Chenglin Li, Feng Han, Yikun Wang, Ruilin Li, Shuai Dong, Haowen Hou, Haitao Li, Qianglong Chen, Feng Tao, Jingqi Tong, Yin Zhang, Jiaqi Wang

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 VideoPro通过自适应程序推理框架提升长视频理解的效率和可靠性，利用快慢推理机制和参数优化在视觉任务中取得更高准确率。

Hierarchical Informative Path Planning via Graph Guidance and Trajectory Optimization

基于图引导和轨迹优化的分层信息路径规划

Avraiem Iskandar, Shamak Dutta, Kevin Murrant, Yash Vardhan Pant, Stephen L. Smith

机构 * Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） ； National Research Council Canada（加拿大国家研究理事会） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分层信息路径规划方法，结合图引导和轨迹优化，通过分段预算分配和样条细化，实现更低的后验不确定性与更快的运行速度。

An AI dose engine for fast carbon ion treatment planning

一种用于快速碳离子治疗计划的AI剂量引擎

Anastasiia Quarz, Angelica De Gregorio, Gaia Franciosini, Angelo Schiavi, Zoltán Perkó, Lennart Volz, Christoph Hoog Antink, Vincenzo Patera, Marco Durante, Christian Graeff

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种基于AI的快速碳离子治疗剂量引擎，实现与MC模拟相当的精度，速度提升达400倍，支持在线自适应规划。

Linear Mechanisms for Spatiotemporal Reasoning in Vision Language Models

线性机制用于视觉语言模型中的时空推理

Raphi Kang, Hongqiao Chen, Georgia Gkioxari, Pietro Perona

机构 * California Institute of Technology（加利福尼亚理工学院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 本文提出了一种线性机制用于视觉语言模型中的时空推理，通过分析空间ID和时间ID的结合，揭示了模型内部的因果推理过程，以提升模型的可解释性和设计能力。

Evidence-Grounded Multi-Agent Planning Support for Urban Carbon Governance via RAG

基于证据的多智能体规划支持用于城市碳治理的RAG

Yuyan Huang, Haoran Li, Yifan Lu, Ruolin Wu, Siqian Chen, Chao Liu

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出基于RAG的多智能体规划支持系统，用于城市碳治理，通过整合异质证据提升规划效率与准确性。

Towards Reliable ML Feature Engineering via Planning in Constrained-Topology of LLM Agents

通过LLM代理的受限拓扑规划实现可靠的机器学习特征工程

Himanshu Thakur, Anusha Kamath, Anurag Muthyala, Dhwani Sanmukhani, Smruthi Mukund, Jay Katukuri

机构 * Meta Menlo Park, CA（Meta 洛杉矶公园分校） ； JPMorgan Chase & Co.（摩根大通公司） 纠错

专题命中 规划推理 ：planning(title)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出了一种基于LLM代理的受限拓扑规划框架，通过多步骤生成代码提升特征工程的可靠性与效率，实验显示在数据集和实际应用中均取得显著改进。

PROTEA: Securing Robot Task Planning and Execution

PROTEA：保障机器人任务规划与执行的安全性

Zainab Altaweel, Mohaiminul Al Nahian, Jake Juettner, Adnan Siraj Rakin, Shiqi Zhang

专题命中 规划推理 ：planning(title,abstract)

AI总结 PROTEA通过LLM-as-a-Judge机制评估机器人任务计划的安全性，解决维度和历史挑战，提升任务规划系统的鲁棒性和安全性。

Non-Prehensile Tool-Object Manipulation by Integrating LLM-Based Planning and Manoeuvrability-Driven Controls

通过整合基于大语言模型的规划和机动性驱动的控制实现非抓取工具-物体 manipulation

Hoi-Yin Lee, Peng Zhou, Anqing Duan, Wanyu Ma, Chenguang Yang, David Navarro-Alarcon

机构 * organization= Department of Mechanical Engineering, The Hong Kong Polytechnic University , addressline= KLN, Hong Kong ； organization= School of Advanced Engineering, The Great Bay University , addressline= Dongguan, China ； organization= Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence , addressline= Abu Dhabi, UAE ； organization= Department of Surgery, The Chinese University of Hong Kong , addressline= NT, Hong Kong ； organization= Department of Computer Science, University of Liverpool , addressline= Liverpool, UK 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种结合大语言模型和机动性驱动控制的方法，用于实现非抓取工具-物体 manipulation任务。