AI Agent

Agentic DAG-Orchestrated Planner Framework for Multi-Modal, Multi-Hop Question Answering in Hybrid Data Lakes

基于代理的DAG编排规划框架：用于混合数据湖中多模态、多跳问答系统

Kirushikesh D B, Manish Kesarwani, Nishtha Madaan, Sameep Mehta, Aldrin Dennis, Siddarth Ajay, Rakesh B R, Renu Rajagopal, Sudheesh Kairali

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.SE

AI总结 本文提出A.DOT规划框架，通过编译自然语言查询为DAG执行计划，实现多模态多跳问答，提升准确性和效率，并生成可追溯的证据链。

NormCode Canvas: Making LLM Agentic Workflows Development Sustainable via Case-Based Reasoning

NormCode Canvas：通过基于案例的推理使LLM代理工作流开发可持续

Xin Guan, Yunshan Li, Ze Wang

机构 * Psylens AI, China（Psylens AI，中国） ； Shenzhen University, China（深圳大学，中国） ； University College London, United Kingdom（伦敦大学学院，英国） 纠错

专题命中 规划决策 ：agentic(title)；planning(abstract)；分类 cs.AI、cs.SE

AI总结 NormCode Canvas通过基于案例的推理实现多步骤LLM工作流的可持续开发，其核心是NormCode语言，确保每个执行检查点都是自包含的案例，从而消除隐含共享状态带来的问题。

Comments 16 pages, 5 figures. Submitted to ICCBR 2025

Advancing Multimodal Agent Reasoning with Long-Term Neuro-Symbolic Memory

通过长期神经符号记忆推进多模态代理推理

Rongjie Jiang, Jianwei Wang, Gengda Zhao, Chengyang Luo, Kai Wang, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI

AI总结 本文提出NS-Mem框架，结合神经记忆与符号结构，提升多模态代理的推理能力，实验证明其在推理准确率上优于纯神经记忆系统。

Comments 11 pages, 6 figures

Tractable Probabilistic Models for Investment Planning

可计算的概率模型用于投资规划

Nicolas M. Cuadrado A., Mohannad Takrouri, Jiří Němeček, Martin Takáč, Jakub Mareček

专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG

AI总结 本文提出基于可计算概率模型的投资规划方法，利用求和-乘积网络（SPNs）高效表示高维不确定性，支持精确概率查询，用于嵌入机会约束的混合整数线性规划模型以评估可靠性事件。

Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning

轨迹链：通过图论规划解锁扩散模型的内在生成最优性

Ping Chen, Xiang Liu, Xingpeng Zhang, Fei Shen, Xun Gong, Zhaoxiang Liu, Zezhou Chen, Huan Hu, Kai Wang, Shiguo Lian

专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG

AI总结 本文提出轨迹链框架，通过图论规划解决扩散模型在高维状态空间中的计算瓶颈，提升生成质量与稳定性。

Comments 12 figues, 5 tables

Demand-Driven Context: A Methodology for Building Enterprise Knowledge Bases Through Agent Failure

需求驱动的上下文：通过智能体失败构建企业知识库的方法论

Raj Navakoti, Saideep Navakoti

专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI

AI总结 本文提出需求驱动上下文方法，通过智能体失败信号来获取企业领域知识，解决传统知识工程方法的局限性，展示在零售订单履行中的应用案例。

Comments 18 pages, 5 figures, 1 algorithm. Preprint

EviAgent: Evidence-Driven Agent for Radiology Report Generation

EviAgent：基于证据的放射学报告生成代理

Tuoshi Qi, Shenshen Bu, Yingfei Xiang, Zhiming Dai

专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI

AI总结 EviAgent通过引入多维视觉专家和检索机制，解决放射学报告生成中的透明性与证据支持问题，实验表明其在多个数据集上优于通用和专用模型。

PREDICT-GBM: A multi-center platform to advance personalized glioblastoma radiotherapy planning

PREDICT-GBM：一个多中心平台以推进个性化胶质瘤放疗规划

L. Zimmer, J. Weidner, M. Balcerak, F. Kofler, M. Krupa, I. Ezhov, S. Cepeda, R. Zhang, J. Lowengrub, B. Menze, B. Wiestler

专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG

AI总结 本文提出PREDICT-GBM平台，整合多中心数据集和标准化评估流程，开发并验证了基于U-Net的复发预测模型，显著提升了放疗规划的个性化水平。

Spatially Grounded Long-Horizon Task Planning in the Wild

在真实环境中进行具有长时域的任务规划

Sehun Jung, HyunJee Song, Dong-Hee Kim, Reuben Tan, Jianfeng Gao, Yong Jae Lee, Donghyun Kim

机构 * Korea University（韩国大学） ； Microsoft Research（微软研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 本文提出了一种基于空间的规划任务，引入了GroundedPlanBench基准，评估机器人在真实环境中的长时域动作规划能力，并通过V2GP框架提升空间接地规划性能。

Comments 9 pages, 7 figures

Balancing Safety and Optimality in Robot Path Planning: Algorithm and Metric

在机器人路径规划中平衡安全性和最优性：算法与度量

Jatin Kumar Arora, Soutrik Bandyopadhyay, Sunil Sulania, Shubhendu Bhasin

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 本文提出统一路径规划算法UPP，通过自适应启发式加权动态平衡安全与最优性，引入OptiSafe指标评估，实验证明在复杂环境中性能优于现有方法。

Comments 26 pages

Multi-Scale Control of Large Agent Populations: From Density Dynamics to Individual Actuation

多尺度控制大规模群体：从密度动力学到个体驱动

Mario di Bernardo

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文综述了作者与合作者在多尺度控制大规模群体方面的最新研究，探讨了从微观动态到宏观密度描述的系统性桥梁，以及直接控制与间接控制的统一方法。

Bridging Scene Generation and Planning: Driving with World Model via Unifying Vision and Motion Representation

弥合场景生成与规划：通过统一视觉与运动表示进行驾驶世界模型

Xingtai Gui, Meijie Zhang, Tianyi Yan, Wencheng Han, Jiahao Gong, Feiyang Tan, Cheng-zhong Xu, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学SKL-IOTSC、CIS） ； Afari Intelligent Drive（Afari智能驾驶） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出WorldDrive框架，通过统一视觉与运动表示弥合场景生成与规划之间的差距，利用轨迹感知驾驶世界模型和未来感知奖励器提升自动驾驶规划性能。

Comments 16 pages, 9 figures. The code is available at https://github.com/TabGuigui/WorldDrive

Surgical Robot, Path Planning, Joint Space, Riemannian Manifolds

手术机器人，路径规划，关节空间，黎曼流形

Yoshiki Yamamoto, Maina Sogabe, Shunichi Hirahara, Toshiki Kaisaki, Tetsuro Miyazaki, Kenji Kawashima

机构 * The University of Tokyo, Department of Information Physics and Computing（东京大学信息物理与计算系） ； The University of Tokyo, Department of Precision Engineering（东京大学精密工程系） ； National Institute of Informatics, Principles of Informatics Research Division（国家信息研究所信息原理研究部） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出在关节空间中利用黎曼流形进行路径规划，以解决手术机器人在非凹表面的运动限制问题，通过梯度下降法提高路径规划效率。

Comments 11 pages, 8 figures

Personalizing Agent Privacy Decisions via Logical Entailment

通过逻辑蕴含个性化代理隐私决策

James Flemings, Ren Yi, Octavian Suciu, Kassem Fawaz, Murali Annavaram, Marco Gruteser

专题命中 规划决策 ：agent(title)；agentic(abstract)

AI总结 本文提出ARIEL框架，结合LLM与规则逻辑，实现结构化个性化隐私决策，实验显示其在适当判断的F1误差率上降低40.6%。

VIP-Loco: A Visually Guided Infinite Horizon Planning Framework for Legged Locomotion

VIP-Loco：一种基于视觉的无限 horizon 规划框架用于腿部运动

Aditya Shirwatkar, Satyam Gupta, Shishir Kolathaya

专题命中 规划决策 ：planning(title,abstract)

AI总结 VIP-Loco结合视觉感知与强化学习，实现腿部机器人在复杂动态环境中的鲁棒运动规划，通过内部模型将本体状态与深度图像映射为紧凑的运动动力学特征，结合无限 horizon MPC提升适应性与结构化规划能力。

Comments 8 pages, 5 figures

Energy-Aware Integrated Proactive Maintenance Planning and Production Scheduling

面向能源的集成主动维护计划与生产调度

Hongliang Li, Herschel C. Pangborn, Ilya Kovalenko

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种分层双层控制框架，联合优化主动维护计划与运行时生产调度，考虑机器退化，以在考虑实时定价的条件下降低总运营成本并减少能源消耗。

NetSpatial: Spatially Conditional Traffic Generation for Cellular Planning and Operations

NetSpatial: 基于空间条件的蜂窝网络生成用于蜂窝规划与运营

Shiyuan Zhang, Jiale Du, Yuanwei Liu, Kaibin Huang, Hongyang Du

专题命中 规划决策 ：planning(title,abstract)

AI总结 NetSpatial通过空间条件生成蜂窝网络流量，结合多模态城市数据，实现部署规划与运营决策，实验显示其在流量预测和能效方面有显著优势。

Comments 15 pages, 12 figures

Six Interventions for the Responsible and Ethical Implementation of Medical AI Agents

为医疗AI代理的负责任和伦理实施提出的六种干预措施

Tom Bisson, Henriette Voelker, Sanddhya Jayabalan, A John Iafrate, Jakob N Kather, Jochen K Lennerz

专题命中 规划决策 ：AI agent(title,abstract)

AI总结 本文提出六种干预措施，旨在通过伦理设计框架确保医疗AI代理在自主系统中维持医疗伦理核心原则。

Comments 7 pages, 1 figure

Machine Learning-Enabled Large-Scale Capacity Expansion Planning under Uncertainty

基于机器学习的不确定性下大规模容量扩展规划

Taehyeon Kwon, Anirudh Subramanyam

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出AutoSCEP方法，通过自动选择场景数量和运营时间跨度来估计生产成本，利用线性及神经代理模型提升规划效率，实验证明其在大规模系统中具有更高的优化精度。

ActionPlan: Future-Aware Streaming Motion Synthesis via Frame-Level Action Planning

ActionPlan：通过帧级动作规划实现未来感知的流式运动合成

Eric Nazarenus, Chuqiao Li, Yannan He, Xianghui Xie, Jan Eric Lenssen, Gerard Pons-Moll

机构 * Tübingen AI Center, University of Tübingen, Germany（图宾根人工智能中心，图宾根大学，德国） ； Max Planck Institute for Informatics, Saarland Informatics Campus, Germany（马克斯·普朗克信息研究所，萨尔兰信息校区，德国） 纠错

专题命中 规划决策 ：planning(title)；workflow(abstract)

AI总结 ActionPlan通过帧级动作规划实现流式运动合成，结合语义和运动线索提升生成质量，实现实时流式生成与高质量离线生成的统一框架。

Comments Project page:https://coral79.github.io/ActionPlan/

Using VLM Reasoning to Constrain Task and Motion Planning

利用视觉语言模型推理来约束任务和运动规划

Muyang Yan, Miras Mengdibayev, Ardon Floros, Weihang Guo, Lydia E. Kavraki, Zachary Kingston

机构 * Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Department of Computer Science, Rice University（莱斯大学计算机科学系） ； Ken Kennedy Institute, Rice University（莱斯大学肯尼迪研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出VIZ-COAST方法，利用大预训练视觉语言模型的空间推理能力，提前识别向下细化中的问题，减少规划时间并消除失败。

Comments 9 pages, 7 figures, 1 table. Submitted to IROS 2026

Hierarchical Diffusion Motion Planning with Task-Conditioned Uncertainty-Aware Priors

分层扩散运动规划与任务条件化不确定性感知先验

Amelie Minji Kim, Anqi Wu, Ye Zhao

机构 * Institute for Robotics and Intelligent Machines (IRIM)（机器人与智能机器研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； School of Computational Science and Engineering（计算科学与工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种分层扩散规划器，通过任务和运动结构直接嵌入噪声模型，利用高斯过程运动规划编码轨迹平滑性和任务语义，实验显示在迷宫和KUKA任务中表现更优。

Continuous-time optimal control for trajectory planning under uncertainty

在不确定性下的连续时间最优控制用于轨迹规划

Ange Valli, Shangyuan Zhang, Abdel Lisser

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种连续时间最优控制框架，用于生成具有不确定性的驾驶场景中的参考轨迹。通过将之前离散时间随机生成器扩展到连续时间，提高了生成器在实时环境中的鲁棒性，并展示了连续时间随机模型在捕捉不确定性方面的有效性。

Comments Postprint

Writer-R1: Enhancing Generative Writing in LLMs via Memory-augmented Replay Policy Optimization

Writer-R1: 通过记忆增强的回放策略优化提升大语言模型的生成写作

Jihao Zhao, Shuaishuai Zu, Zhiyuan Ji, Chunlai Zhou, Biao Qin

机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； School of Information, BRAIN, Renmin University of China（中国人民大学信息学院BRAIN） 纠错

专题命中 规划决策 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 本文提出基于Grounded Theory的多智能体协作流程，结合记忆增强的回放策略优化算法，实现生成写作的可控迭代改进和端到端优化，实验表明其性能接近人工标注。

STL-SVPIO: Signal Temporal Logic guided Stein Variational Path Integral Optimization

STL-SVPIO：信号时序逻辑引导的Stein变分路径积分优化

Hongrui Zheng, Zirui Zang, Ahmad Amine, Cristian Ioan Vasile, Rahul Mangharam

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） ； Mechanical Engineering and Mechanics Department, Lehigh University（莱特大学机械工程与力学系） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；multi-agent(abstract)

AI总结 本文提出STL-SVPIO方法，通过将信号时序逻辑转化为可微的奖励塑造机制，解决复杂STL约束下的长周期连续控制轨迹合成问题，提升鲁棒性和效率。

ICPRL: Acquiring Physical Intuition from Interactive Control

ICPRL: 从交互控制中获取物理直觉

Xinrun Xu, Pi Bu, Ye Wang, Börje F. Karlsson, Ziming Wang, Tengtao Song, Qi Zhu, Jun Song, Shuo Zhang, Zhiming Ding, Bo Zheng

机构 * Institute of Software, Chinese Academy of Science（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； RUC（中国人民大学） ； PUC-Rio（里约热内卢联邦大学） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 ICPRL通过多轮组相对策略优化，使VLM在动态物理环境中获取物理直觉并适应策略，其世界模型预测潜在动作结果，提升物理谜题解决能力。

Comments 22 pages

RelayCaching: Accelerating LLM Collaboration via Decoding KV Cache Reuse

RelayCaching: 通过解码KV缓存重用加速LLM协作

Yingsheng Geng, Yuchong Gao, Weihong Wu, Guyue Liu, Jiang Liu

机构 * Beijing University of Posts（北京邮电大学） ； Tsinghua University, Beijing, China（清华大学） ； University of Electronic Science（电子科学大学） ； Peking University, Beijing, China（北京大学） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出RelayCaching方法，通过重用前序代理的解码阶段KV缓存，在多代理LLM系统中减少冗余预填充计算，提升效率与准确性。

Path planning with moving obstacles using stochastic optimal control

使用随机最优控制的移动障碍物路径规划

Seyyed Reza Jafari, Anders Hansson, Bo Wahlberg

专题命中 规划决策 ：planning(title)

AI总结 本文提出一种基于随机最优控制的路径规划方法，通过在线滚动框架结合价值函数作为终端惩罚，实现安全与性能的平衡，优于其他方法。

Comments 10 pages, 6 figures. Submitted to the 15th Asian Control Conference (ASCC) 2026

CORAL: COntextual Reasoning And Local Planning in A Hierarchical VLM Framework for Underwater Monitoring

CORAL：在分层视觉语言框架中实现上下文推理与局部规划用于水下监测

Zhenqi Wu, Yuanjie Lu, Xuesu Xiao, Xiaomin Lin

专题命中 规划决策 ：planning(title)

AI总结 CORAL框架通过分离高层语义推理与底层反应控制，提升水下监测的覆盖率和安全性，减少碰撞并降低对VLM的调用次数。

Comments Submitted to IROS 2026

InterveneBench: Benchmarking LLMs for Intervention Reasoning and Causal Study Design in Real Social Systems

InterveneBench：用于干预推理和真实社会系统因果研究设计的LLM基准测试

Shaojie Shi, Zhengyu Shi, Lingran Zheng, Xinyu Su, Anna Xie, Bohao Lv, Rui Xu, Zijian Chen, Zhichao Chen, Guolei Liu, Naifu Zhang, Mingjian Dong, Zhuo Quan, Bohao Chen, Teqi Hao, Yuan Qi, Yinghui Xu, Libo Wu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 InterveneBench通过真实社会科学研究评估LLM在干预推理和因果研究设计中的能力，发现现有模型表现不足，并提出STRIDES多智能体框架提升性能。

Comments 35pages,3 figures