大模型推理能力

Combining Reinforcement Learning with Arc-search Interior-Point Method for Path Planning

结合强化学习与弧搜索内点法的路径规划

Yaguang Yang, Qiang Le, Isaac E. Weintraub

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种结合强化学习与弧搜索内点法的框架，利用强化学习的实时决策能力和弧搜索内点法的优化性能，实现障碍物环境下的高效路径规划。

Comments 15 pages, 9 figures

Systems-Level Planning and Coordination of Truck-Drone Collaborative Delivery Networks

卡车-无人机协同配送网络的系统级规划与协调

Didem Cicek, Burak Kantarci

机构 * School of Electrical Engineering and Computer Science at the University of Ottawa（渥太华大学电气工程与计算机科学学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对城市最后一英里配送，提出分层规划与协调框架，通过任务编排与智能体同步，实现卡车-无人机协同配送，相比纯卡车模式，总配送时间减少42.4%，能耗降低44.2%。

Comments 6 pages, 4 figures, Accepted to 2026 IEEE HPSR on Network Architectures and Intelligence for Smart Mobility and Autonomous Systems (TRAVERSAL)

Test-Time Scaling in Multimodal Foundation Models: A Comprehensive Survey of Generation and Reasoning

多模态基础模型中的测试时扩展：生成与推理的综合调查

Cong Wan, Ying He, Zhongzhan Huang, Hefeng Wu

机构 * Sun Yat-sen University（中山大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 本文首次系统综述多模态基础模型中的测试时扩展（TTS）方法，提出统一分类框架（采样、反馈、搜索三类），总结应用与基准，并讨论未来方向。

Comments Accepted by ACL 2026, Findings

TICoder: A Repository-Level Code Generation Framework with Test-Driven Planning and Implementation-Aware Reuse

TICoder: 一种具有测试驱动规划和实现感知复用的仓库级代码生成框架

Siyu Nan, Yaling Luo, Jian Wang, Neng Zhang, Bing Li

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出TICoder框架，通过测试驱动迭代规划机制和实现感知代码复用策略，解决仓库级代码生成中的依赖和上下文限制问题，在多个基准上平均提升11.52%。

Comments 11 pages

Path Planning Using Deep Deterministic Policy Gradient: A Reinforcement Learning Approach

使用深度确定性策略梯度的路径规划：一种强化学习方法

Qiang Le, Yaguang Yang, Isaac E. Weintraub

机构 * Hampton University（汉普顿大学） ； Air Force Research Laboratory（空军研究实验室） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出基于深度确定性策略梯度的路径规划方法，将威胁建模为圆形禁行区，通过奖励函数引导智能体学习从状态到动作的映射，找到最大安全起始点集，相比传统最优控制方法速度更快，适用于实时应用。

Comments 14 pages, 12 figures

HARPO: Hierarchical Agentic Reasoning for User-Aligned Conversational Recommendation

HARPO：面向用户对齐的对话推荐的分层代理推理

Subham Raj, Aman Vaibhav Jha, Mayank Anand, Sriparna Saha

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 HARPO通过分层代理推理框架优化多维推荐质量，结合上下文依赖的偏好学习、 deliberative树搜索和领域无关的推理抽象，提升推荐质量与用户对齐性。

Comments Accepted at the Annual Meeting of the Association for Computational Linguistics (ACL 2026)

OPENPATH: A Supervisor--Specialist Agent System for Personalized, Accessible, and Multi-stop Urban Trip Planning

OPENPATH: 一种用于个性化、无障碍和多站点城市出行规划的监督-专家智能体系统

Ziyang Xiong, He Zong, Zhiyuan Xue, Manxi Wu

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出监督-专家多智能体系统OPENPATH，结合LLM解析自然语言与经典算法优化路径，支持个性化偏好、多站点规划和无障碍需求，并用于城市尺度无障碍分析。

Unified Driving Tokens: Representation- and Geometry-Guided Discrete Tokenizer for Driving World Models and Planning

统一驾驶令牌：面向驾驶世界模型和规划的表示与几何引导的离散分词器

Ziyang Yao, Zeyu Zhu, YunCheng Jiang, Zibin Guo, Huijing Zhao

机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种表示引导与几何增强的离散分词器，通过联合监督学习紧凑令牌，同时优化重建保真度、表示一致性和规划性能。

OmniEgo-R$^2$: A Routed Reasoning Framework for the 1st Cross-Domain EgoCross Challenge at CVPR 2026

OmniEgo-R$^2$：面向CVPR 2026首届跨领域EgoCross挑战赛的路由推理框架

Zixu Li, Zhiwei Chen, Zhiheng Fu, Wenbo Wang, Yupeng Hu, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 针对跨领域自我中心视频推理中的时间边界模糊、语义粒度不匹配和决策不稳定问题，提出OmniEgo-R$^2$路由推理框架，在Source-Limited和Open-Source赛道均获第二名。

Comments Technical Report for the 1st Cross-Domain EgoCross Challenge at CVPR 2026

Multi-Agent Next-Best-View Optimization for Risk-Averse Planning

多智能体风险规避规划中的下一最佳视角优化

Amirhossein Mollaei Khass, Vivek Pandey, Guangyi Liu, Athanasios Cosse, Emrah Bayrak, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（莱文大学机械工程与力学系） ； Amazon Robotics（亚马逊机器人） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种分布式、风险感知的多智能体下一最佳视角框架，通过共识ADMM优化信息增益并建模碰撞风险，在降低通信开销的同时接近集中式方法的映射质量和轨迹安全性。

Comments 8 pages, 5 figures. Submitted to IROS 2026

Multi-Agent Temporal Logic Planning via Penalty Functions and Block-Coordinate Optimization

基于惩罚函数和块坐标优化的多主体时序逻辑规划

Eleftherios E. Vlahakis, Arash Bahari Kordabad, Lars Lindemann, Pantelis Sopasakis, Sadegh Soudjani, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对信号时序逻辑下的多主体规划问题，提出基于惩罚函数的无约束松弛和块坐标梯度下降法，实现可扩展的协同规划。

Comments Submitted to L-CSS

Nonlinear Model Predictive Control for Distributed Motion Planning in Road Intersections Using PANOC

基于PANOC的路交口分布式运动规划非线性模型预测控制

Alexander Katriniok, Pantelis Sopasakis, Mathijs Schuurmans, Panagiotis Patrinos

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种在合理车对车通信要求下的分布式运动规划方案，通过实时求解非线性模型预测控制问题，解决路交口中高度自动化车辆协调中的非凸挑战问题。

Comments IEEE Conference on Decision and Control (CDC) 2019

A Novel Model for Arbitration between Planning and Habitual Control Systems

一种用于规划与习惯控制系统的仲裁新模型

Farzaneh S. Fard, Thomas P. Trappenberg

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种结合规划与习惯控制的仲裁模型，通过模拟双关节机械臂任务展示其在动态环境中的高效性和鲁棒性。

Distributed Communication-aware Motion Planning for Multi-agent Systems from STL and SpaTeL Specifications

分布式通信感知多智能体系统运动规划

Zhiyu Liu, Bo Wu, Jin Dai, Hai Lin

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分布式运动规划框架，结合STL和SpaTeL规格，实现通信质量与运动控制的协同设计。

Comments Submitted for publication on 2017 IEEE Conference on Decision and Control (CDC2017)

Multi-Agent Motion Planning and Object Transportation under High Level Goals

多智能体运动规划与在高层目标下的物体运输

Christos Verginis, Dimos Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种混合控制框架，用于在高层目标下多智能体系统的运动规划，通过设计控制协议实现智能体和物体在预定义兴趣区域间的转换与运输，抽象为有限状态转移系统，并设计满足时序逻辑公式要求的高层多智能体计划。

Comments To appear in the World Congress of the International Federation of Automatic Control (IFAC), Toulouse, France, July 2017

Scalable Multiagent Coordination with Distributed Online Open Loop Planning

可扩展的多智能体协调与分布式在线开环规划

Lenz Belzner, Thomas Gabor

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出分布式在线开环规划框架，用于不确定环境下的多智能体协调决策，通过基于生成模型的在线启发式搜索实现有效规划，并通过分布式在线汤普森采样方法解决探索与利用的矛盾。

Combined Top-Down and Bottom-Up Approaches to Performance-guaranteed Integrated Task and Motion Planning of Cooperative Multi-agent Systems

结合自上而下与自下而上方法的性能保证协同多智能体系统集成任务与运动规划

Rafael Rodrigues da Silva, Bo Wu, Jin Dai, Hai Lin

机构 * Department of Electrical Engineering, University of Notre Dame, Notre Dame, IN, 46556 USA.（电气工程系，诺丁汉大学，诺丁汉，IN，46556 USA） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分层框架，通过结合自下而上的反应式运动控制器与自上而下的任务计划，实现协同多智能体系统的性能保证任务与运动规划，通过假设-保证范式验证局部任务与全局任务的一致性。

Comments Submitted to Automatica

Multi-Agent Planning under Local LTL Specifications and Event-Based Synchronization

多智能体在局部LTL规范下的规划与基于事件的同步

Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究多智能体系统计划合成问题，通过分解为有限时间 horizon 的规划问题，提出基于事件的同步方法，以降低计算复杂度并保证规范最终满足。

Comments 14 pages, 4 figures, extended version of a preprint submitted to Automatica. arXiv admin note: text overlap with arXiv:1403.4174

Decomposition of Multi-Agent Planning under Distributed Motion and Task LTL Specifications

多智能体规划的分布式运动与任务LTL规范分解

Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种高效的分布式多智能体规划方法，通过分阶段自动机构建解耦规划过程，解决中心化规划的计算复杂性问题，并通过实例验证其有效性。

Comments 7 pages, 1 figure, extended version of a preprint submitted to CDC

Motion Planning With Gamma-Harmonic Potential Fields

基于伽马谐波势场的运动规划

Ahmad A. Masoud

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文扩展了谐波势场方法，用于处理无法分割为独立区域的机器人工作空间。通过任务导向的概率描述符和目标点生成导航策略，能够适应存在矢量漂移场的复杂环境。

Journal ref IEEE Transactions on Aerospace and Electronic Systems, 48 (4), 2012, pp. 2786 - 2801

Fixed-time consensus of multiple double-integrator systems under directed topologies: A motion-planning approach

多双积分系统在有向拓扑下的固定时间一致性：一种运动规划方法

Yongfang Liu, Yu Zhao, Wei Ren, Guanrong Chen

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种基于运动规划的分布式固定时间算法，用于解决多智能体系统在有向拓扑下的固定时间一致性问题，首次在有向拓扑下实现双积分系统的固定时间一致性。

Cooperative Task Planning of Multi-Agent Systems Under Timed Temporal Specifications

多智能体系统在时序时序规范下的协同任务规划

Alexandros Nikou, Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究了在时序约束下多智能体系统的协同任务规划问题，提出了一种两阶段系统化方法，确保个体和团队任务规范均得到满足。

Comments Submitted to American Control Conference 2016

A Potential Game Approach for Information-Maximizing Cooperative Planning of Sensor Networks

信息最大化协同规划传感器网络的潜在游戏方法

Han-Lim Choi, Su-Jin Lee

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种潜在游戏方法，用于分布式选择信息性传感器，以最大化测量变量与目标量之间的互信息。通过证明局部效用函数导致潜在游戏，最终收敛到纯策略纳什均衡。

Comments 9 pages, 4 figures, submitted to IEEE Transactions on Control Systems Technology

Act Like a Pathologist: Tissue-Aware Whole Slide Image Reasoning

像病理学家一样：组织感知的全切片图像推理

Wentao Huang, Weimin Lyu, Peiliang Lou, Qingqiao Hu, Xiaoling Hu, Shahira Abousamra, Wenchao Han, Ruifeng Guo, Jiawei Zhou, Chao Chen, Chen Wang

机构 * Stony Brook University（石英溪大学） ； Mayo Clinic（梅奥诊所） ； Harvard Medical School（哈佛医学院） ； Stanford University（斯坦福大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出一种问题引导、组织感知的粗到细检索框架HistoSelect，通过识别相关组织区域并选择最具信息量的补丁，在减少70%视觉标记的同时提升病理问答准确性。

Comments 14 pages, 8 figures. Accepted by CVPR'26

Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling

Plan-R1：安全且可行的轨迹规划作为语言建模

Xiaolong Tang, Meina Kan, Shiguang Shan, Xilin Chen

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出Plan-R1两阶段轨迹规划框架，通过原则对齐与行为学习解耦，结合规则奖励和方差解耦GRPO，显著提升自动驾驶规划的安全性和可行性。

Comments Accepted by ICLR2026

Multi-agent Path Planning and Network Flow

多智能体路径规划与网络流

Jingjin Yu, Steven M. LaValle

专题命中 规划推理 ：planning(title,abstract)

AI总结 将图上的多智能体路径规划问题归约到网络流问题，利用组合网络流算法和线性规划技术求解，并证明当目标置换不变时存在最长完成时间不超过 n+V-1 步的可行解路径集，给出 O(nVE) 时间算法，进一步研究时间和距离最优性及其帕累托最优结构。

Comments Corrected an inaccuracy on time optimal solution for average arrival time

Training-Free Composed Video Retrieval via Visual Representation-Guided Video-LLM Reasoning

基于视觉表示引导的视频-大语言模型推理的无训练组合视频检索

Yang Liu, Qianqian Xu, Peisong Wen, Siran Dai, Qingming Huang

机构 * School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出无训练框架，先利用冻结DINOv3模型筛选视觉相关候选，再通过大视觉语言模型评估指令匹配，最后推理精化，在CVPR 2026挑战赛中取得48.78 Recall@1和51.48 Recall@5。

Comments CVPR 2026, VidLLMs workshop

Manifold partitioning induced sequential optical reasoning and decision framework for photonic computing

流形划分诱导的时序光学推理与决策框架用于光子计算

Zhihao Li, Jing Pan, Wei Yan, Yu Xie, Lingmei Ma, Xiaoyu Sun, Min Qiu

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出时序光学推理与决策（SORD）框架，通过几何引导的数据划分将全局任务分解为粗到细的步骤，使单层衍射光学神经网络实现100类光纤散斑分类，准确率94%，能效23.3 TOPS/W。

Comments 25 pages, 5 figures, submitted to a journal

Make Your VLA More Robust Without More Data By Interleaving Motion Planning

通过交错运动规划使您的VLA更鲁棒而无需更多数据

Dan BW Choe, Sundhar Vinodh Sangeetha, Samuel Coogan, Shreyas Kousik

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出MPVI框架，将基于模型的运动规划与视觉-语言-动作模型交错结合，通过VLM完成检查和本体感受触发实现可靠切换，无需额外训练即可提升长时域移动操作任务的鲁棒性，在BEHAVIOR-1K基准上任务进度提升113%。

Generative Multi-Robot Motion Planning via Diffusion Modeling with Multi-Agent Reinforcement Learning Guidance

基于扩散建模与多智能体强化学习引导的生成式多机器人运动规划

Suk Ki Lee, Venkata Sai Deepak Mutta, Hyunwoong Ko

机构 * School of Manufacturing Systems and Networks, Arizona State University, Mesa, AZ（1制造系统与网络学院，亚利桑那州立大学，梅萨，AZ） ； Michael W. Hall School of Mechanical Engineering, Mississippi State University, Starkville, MS（2迈克尔·W·霍尔机械工程学院，密西西比州立大学，斯塔克维尔，MS） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种结合扩散模型与多智能体强化学习的框架，通过值函数引导反向扩散过程实现交互感知的轨迹生成，降低多机器人冲突率。

Comments 11 pages, 6 figures, 1 table. This paper has been accepted for publication in the proceedings of ASME IDETC-CIE 2026