AI Agent

Value-Decomposed Reinforcement Learning Framework for Taxiway Routing with Hierarchical Conflict-Aware Observations

基于分层冲突感知的出租车道路由价值分解强化学习框架

Shizhong Zhou, Haifeng Liu, Zheng Zhang, Shiyu Zhang, Bo Yang, Yi Lin

机构 * National Key Laboratory of Fundamental Science on Synthetic Vision, Sichuan University（合成视觉基础科学国家重点实验室，四川大学） ； College of Computer Science, Sichuan University（计算机学院，四川大学） 纠错

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

AI总结 本文提出CaTR框架，通过分层交通表示和价值分解策略，解决机场地面操作中的安全与效率平衡问题，实验显示其在不同交通密度下表现优于现有方法。

Integrating the Expected Future in Load Forecasts with Contextually Enhanced Transformer Models

将预期未来整合到负载预测中：基于上下文增强的Transformer模型

Raffael Theiler, Leandro Von Krannichfeldt, Giovanni Sansavini, Michael F. Howland, Olga Fink

机构 * Intelligent Maintenance and Operations Systems (IMOS)（智能维护与运营系统） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； Department of Mechanical and Process Engineering（机械与过程工程系） ； Eidgenössische Technische Hochschule (ETH)（瑞士联邦理工学院（ETH）） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Massachusetts Institute of Technology (MIT)（麻省理工学院） 纠错

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

AI总结 本文提出一种结合预测与回归的任务，通过上下文增强的Transformer模型提升能源预测准确性，通过铁路和建筑能耗案例验证了方法的有效性，显著降低预测误差。

Comments 39 pages, 8 figures and tables, journal paper

H3D-MarNet: Wavelet-Guided Dual-Path Learning for Metal Artifact Suppression and CT Modality Transformation for Radiotherapy Workflows

H3D-MarNet：基于小波引导的双路径学习用于金属伪影抑制和CT模态转换用于放疗工作流程

Mubashara Rehman, Niki Martinel, Michele Avanzo, Riccardo Spizzo, Christian Micheloni

机构 * Machine Learning and Perception Lab, Università degli Studi di Udine（机器学习与感知实验室，乌迪内大学） ； Centro di Riferimento Oncologico di Aviano IRCCS（阿维亚诺肿瘤参考中心） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 H3D-MarNet通过小波引导的双路径学习有效抑制金属伪影并实现CT模态转换，提升放疗图像质量与诊断准确性。

Comments Accepted for publication at the 28th International Conference on Pattern Recognition, Lyon, France August, 17-22, 2026

An ensemble prediction method for forecasting sap flux density and water-use in temperate trees

一种用于预测温带树木蒸渗量和树液密度的集成预测方法

Mengyi Gong, Rebecca Killick, Andrew Hirons

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种集成预测方法，结合树液流量传感器、气象站传感器和统计模型，预测树木每日蒸散发量，探讨了在气候变化压力下预测树木蒸散发量的挑战及树木大小的影响。

Comments Main manuscript: 18 pages, 6 figures. Supplementary document: 11 pages, 10 figures

GATA2Floor: Graph attention for floor counting in street-view facades

GATA2Floor: 图注意力用于街道视图立面的楼层计数

Ngoc Tan Le, Tzoulio Chamiti, Eirini Papagiannopoulou, Nikos Deligiannis

机构 * ETRO Department, Vrije Universiteit Brussel (VUB)（比利时布鲁塞尔自由大学ETRO部门） ； imec 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出GATA2Floor模型，通过图注意力机制实现对街道视图立面楼层的自动计数，结合可学习的交叉注意力查询实现元素到潜在楼层槽的软分配，提升解释性和鲁棒性。

Comments Accepted at IEEE ICIP 2026; 6 pages, 5 figures, 3 tables

Certified Gradient-Based Contact-Rich Manipulation via Smoothing-Error Reachable Tubes

通过平滑误差可达管实现认证的基于梯度的接触密集 manipulation

Wei-Chen Li, Glen Chou

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

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出通过平滑动力学并量化补偿误差，实现接触密集 manipulation 的安全性和任务完成的认证，采用凸优化生成鲁棒反馈策略。

Comments Robotics: Science & Systems (RSS) 2026

PointNeRT: A Physics Aware Neural Ray Tracing Surrogate for Propagation Channel Modeling

PointNeRT：一种物理感知的神经射线追踪替代模型用于传播信道建模

Zhuoyin Li, Ruisi He, Mi Yang, Ziyi Qi, Zhengyu Zhang, Jiahui Han, Haoxiang Zhang, Bingcheng Liu

专题命中 规划决策 ：planning(abstract)

AI总结 PointNeRT通过点云输入高效重建多径传播，无需显式构建网格模型或手动定义电磁交互规则，实现物理约束下的多径预测与功率衰减建模。

Rainbow Deep Q-Learning with Kinematics-Aware Design for Cooperative Delta and 3-RRS Parallel Robot Insertion

彩虹深度Q学习与运动学感知设计用于协作Delta和3-RRS平行机器人插入

Hassen Nigatu, Gaokun Shi, Jituo Li, Wang Jin, Lu Guodong

机构 * Robotics Research Center of Yuyao（余姚机器人研究中心） ； Robotics Institute of Zhejiang University（浙江大学机器人院） ； Yuyao Technology Innovation Center（余姚技术创新中心） ； Department of Electrical and Computer Engineering, University of New Brunswick（新 Brunswick大学电气与计算机工程系） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出基于Rainbow深度Q网络的运动学感知深度强化学习框架，用于Delta并联机器人与3-RRS并联机械臂的协作插孔任务。通过几何设计优化阶段提升运动学性能，实现六自由度可控子空间，并结合形状奖励机制和两阶段课程训练，提高插孔任务的稳定性和可靠性。

Comments 10 pages

Outer Detector of Hyper-Kamiokande

超大尺寸水切伦科夫环形探测器外探测器

R. Shinoda

专题命中 规划决策 ：planning(abstract)

AI总结 超大尺寸水切伦科夫环形探测器外探测器选用8cm直径光电倍增管，通过仿真评估其对宇宙射线muon背景的抑制效果，结果表明结合fiducial体积切割后背景抑制效率达到10^-9量级，足以满足核衰变和大气中微子分析需求。

Comments 4 pages, contribution to the 2026 Electroweak session of the 60th Rencontres de Moriond

TwiSTAR:Think Fast, Think Slow, Then Act,Generative Recommendation with Adaptive Reasoning

TwiSTAR：快速思考，缓慢思考，然后行动，基于语义ID的生成推荐

Shiteng Cao, Kaian Jiang, Yunlong Gong, Zhiheng Li

专题命中 规划决策 ：agentic(abstract)

AI总结 本文提出TwiSTAR框架，通过自适应分配推理努力提升推荐准确性与效率，利用语义ID检索、轻量级排序和慢推理模型，结合常识知识增强，减少延迟并优于基线方法。

Comments 16pages,3 figures

The DAWN of World-Action Interactive Models

世界-动作交互模型的黎明

Hongbo Lu, Liang Yao, Chenghao He, Haoyu Wang, Xiang Gu, Xianfei Li, Wenlong Liao, Tao He, Pai Peng

机构 * COWARobot Co. Ltd（COWARobot有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出WAIMs，通过DAWN模型在语义潜在空间中实现世界预测与动作生成的交互，提升自动驾驶中的规划性能与安全性。

FEFormer: Frequency-enhanced Vision Transformer for Generic Knowledge Extraction and Adaptive Feature Fusion in Volumetric Medical Image Segmentation

FEFormer：频率增强的视觉变换器用于通用知识提取和自适应特征融合的体数据医学图像分割

Jin Yang, Xiaobing Yu, Peijie Qiu

专题命中 规划决策 ：planning(abstract)

AI总结 FEFormer通过引入频率增强模块，提升体数据医学图像分割的精度与效率，解决传统方法在局部细节和全局依赖捕捉上的不足。

Comments 20 pages, 8 figures, 9 tables

Forecast-aware Gaussian Splatting for Predictive 3D Representation in Language-Guided Pick-and-Place Manipulation

面向预测的高斯点散布用于语言引导的抓取与放置操作中的预测3D表示

Kaixin Jia, Jiacheng Xu

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出Forecast-GS框架，通过预测3D状态提升语言引导的机器人操作性能，实验显示其在抓取与放置任务中优于基线方法，表明明确预测任务完成状态有助于更可靠的行动评估。

Non-Propulsive Payload Deployment for Efficient On-Orbit Servicing of Mega-Constellations

非推进载荷部署用于高效处理超大规模卫星星座的在轨服务

Li Zhengrui, Feng Guanhua, Wu Xiaokun, Li Wenhao, Yue Yuxian

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出非推进载荷部署方法，通过减少推进剂消耗实现高效在轨服务，通过相位基于算法解决轨道扰动问题，验证了该方法在超大规模卫星星座中的有效性。

Comments 2026/5/10 submitted

FlowSteer: Prompt-Only Workflow Steering Exposes Planning-Time Vulnerabilities in Multi-Agent LLM Systems

FlowSteer：仅凭提示的流程引导揭示多智能体LLM系统的规划时间漏洞

Fanxiao Li, Jiaying Wu, Tingchao Fu, Natasha Jaques, Wei Zhou, Min-Yen Kan

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

AI总结 研究通过社会影响探测工作流识别高影响子任务，揭示恶意信号传播漏洞，提出FlowSteer攻击方法提升恶意成功率，并引入FlowGuard防御机制降低攻击效果。

Social Theory Should Be a Structural Prior for Agentic AI: A Formal Framework for Multi-Agent Social Systems

社会理论应为代理AI的结构先验：多代理社会系统的正式框架

Lynnette Hui Xian Ng, Iain J. Cruickshank, Adrian Xuan Wei Lim, Kathleen M. Carley

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

AI总结 本文提出多代理社会系统框架，主张将社会理论作为结构先验，以指导代理AI的行为建模与系统治理。

Alternating Target-Path Planning for Scalable Multi-Agent Coordination

可扩展多智能体协调的交替目标路径规划

Yu Kumagai, Keisuke Okumura

机构 * Hitotsubashi University, Japan（日本立命堂大学） ； National Institute of Advanced Industrial Science and Technology (AIST), Japan（日本国家先进工业科学和技术研究院） 纠错

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

AI总结 本文提出一种迭代优化框架，将目标分配与路径规划解耦，利用高效MAPF求解器实现可扩展的多智能体协同路径规划，有效提升大规模TAPF问题的求解能力。

Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding

为大规模多智能体路径规划学习本地通信

Valeriy Vyaltsev, Alsu Sagirova, Anton Andreychuk, Oleg Bulichev, Yuri Kuratov, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

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

AI总结 本文提出LC-MAPF，通过多轮本地通信提升多智能体协作，优于现有基于强化学习和模仿学习的MAPF求解器，且保持可扩展性。

Distributed Quantum Gaussian Processes for Multi-Agent Systems

分布式量子高斯过程用于多智能体系统

Meet Gandhi, George P. Kontoudis

机构 * Colorado School of Mines（科罗拉多理工学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；autonomous agent(comments,journal_ref)；分类 cs.LG

AI总结 本文提出分布式量子高斯过程方法，通过量子计算提升多智能体系统的建模能力和扩展性，采用分布式共识黎曼交替方向乘子法解决非欧几里得优化问题。

Comments 9 pages, 4 figures, accepted at AAMAS 2026 (International Conference on Autonomous Agents and Multiagent Systems)

Journal ref 2026 International Conference on Autonomous Agents and Multiagent Systems

SANet: A Semantic-aware Agentic AI Networking Framework for Cross-layer Optimization in 6G

SANet：一种面向6G跨层优化的语义感知代理AI网络框架

Yong Xiao, Xubo Li, Haoran Zhou, Yingyu Li, Yayu Gao, Guangming Shi, Ping Zhang, Marwan Krunz

机构 * the School of Electronic Information and Communications, the Huazhong University of Science and Technology, Wuhan, China（电子信息学院，华中科技大学，武汉，中国） ； the Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； the School of Mechanical Engineering and Electronic Information, China University of Geosciences (Wuhan), China（机械工程与电子信息学院，中国地质大学（武汉），中国） ； the State Key Laboratory of Networking and Switching（网络与交换技术国家重点实验室） 纠错

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

AI总结 本文提出SANet，一种语义感知的代理AI网络架构，通过推断用户语义目标并自动分配不同网络层的代理以实现目标，解决多代理多目标优化问题，实验显示性能提升达14.61%。

Comments Accepted at IEEE Transactions on Mobile Computing

Journal ref IEEE Transactions on Mobile Computing, 2026

Control Charts for Multi-agent Systems

多智能体系统的控制图

Hayden Helm, Carey Priebe, Brandon Duderstadt

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Calcifer Computing（Calcifer公司） 纠错

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

AI总结 本文提出基于适应性控制图的多智能体系统监控方法，通过仿真展示其在学习环境中的必要性，并揭示对抗性智能体对系统安全性的根本矛盾。

No Action Without a NOD: A Heterogeneous Multi-Agent Architecture for Reliable Service Agents

没有NOD就没有行动：一种异质多智能体架构用于可靠的服务代理

Zixu Yang, Hang Zheng, Nan Jiang, Zhiyang Tang, Situo Zhang, Xiaobao Wu, Lu Chen, Kai Yu

机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（X-LANCE实验室，计算机科学学院，上海交通大学，上海，中国） ； Shanghai Innovation Institution, Shanghai, China（上海创新机构，上海，中国） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室，苏州，中国） 纠错

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

AI总结 本文提出NOD架构，通过外部化全局状态和选择性外部监督，提升服务代理在长周期任务中的可靠性，实验表明其在任务成功率和关键动作精度上优于基线方法。

Adaptive TD-Lambda for Cooperative Multi-agent Reinforcement Learning

自适应TD-λ用于合作多智能体强化学习

Yue Deng, Zirui Wang, Yin Zhang

机构 * Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

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

AI总结 本文提出自适应TD(λ)方法，通过参数化无偏密度比估计器和双回放缓冲区解决多智能体强化学习中策略分布计算问题，实验证明其在SMAC和Gfootball场景中优于传统方法。

UTS at PsyDefDetect: Multi-Agent Councils and Absence-Based Reasoning for Defense Mechanism Classification

在PsyDefDetect上使用UTS：多智能体委员会与基于缺席的推理用于防御机制分类

Dima Galat, Marian-Andrei Rizoiu

机构 * University of Technology Sydney（技术大学悉尼） 纠错

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

AI总结 本文提出利用DMRS对情感支持对话中的防御机制进行分类，通过多阶段 deliberative 委员会架构，采用特定类别的倡导者评估证据强度，实现F1 0.382的高精度，同时通过针对性的重写集提升F1至0.410。

OpsAgent: An Evolving Multi-agent System for Incident Management in Microservices

OpsAgent：一种用于微服务中 incident 管理的演进多智能体系统

Yu Luo, Jiamin Jiang, Jingfei Feng, Lei Tao, Qingliang Zhang, Xidao Wen, Yongqian Sun, Shenglin Zhang, Dan Pei

机构 * Nankai University（南开大学） ； Alibaba Cloud（阿里云） ； Lenovo（联想） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出 OpsAgent，一种轻量级自演进多智能体系统，通过训练自由数据处理器将异构可观测数据转化为结构化文本描述，并结合多智能体协作框架实现诊断推理的透明性和可审计性，实验证明其在微服务系统中的泛化性、可解释性和成本效益。

Beyond Inefficiency: Systemic Costs of Incivility in Multi-Agent Monte Carlo Simulations

超越低效：多智能体蒙特卡洛模拟中不文明行为的系统性成本

Alison Moldovan-Mauer, Benedikt Mangold

机构 * Technische Hochschule Nürnberg（纽伦堡技术大学） 纠错

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

AI总结 研究通过多智能体蒙特卡洛模拟探讨不文明行为对交互效率的影响，发现参数较少的模型收敛延迟更显著，并发现先发优势在不同毒性条件下均显著。

OptArgus: A Multi-Agent System to Detect Hallucinations in LLM-based Optimization Modeling

OptArgus：一种多智能体系统用于检测基于大语言模型的优化建模中的幻觉

Zhong Li, Zihan Guo, Xiaohan Lu, Juntao Wang, Jie Song, Chao Shen, Jiageng Wu, Mingyang Sun

机构 * Great Bay University（大湾大学） ； Peking University（北京大学） ； Jilin University（吉林大学） ； Zhejiang University（浙江大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出OptArgus多智能体系统，通过细粒度幻觉分类法检测优化建模中的错误，通过三部分基准测试验证其在清洁、控制和自然生成 artifact 上的准确性与可靠性。

Robust Multi-Agent Path Finding under Observation Attacks: A Principled Adversarial-Plus-Smoothing Training Recipe

在观察攻击下的鲁棒多智能体路径寻找：一种基于对抗性加平滑训练的原理性配方

Riad Ahmed

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

AI总结 本文提出两种训练方法，使多智能体路径寻找在受扰观测下保持稳定，通过对抗训练和平滑项提升鲁棒性，实验显示在8x8地图上性能显著提升。

Multi-Agent System Identification with Nonlinear Sheaf Diffusion

多智能体系统识别与非线性sheaf扩散

Nivar Anwer, Hans Riess, Matthew Hale

机构 * Department of Computer Science, Georgia Tech（佐治亚理工学院计算机科学系） ； Department of Electrical & Computer Engineering, Georgia Tech（佐治亚理工学院电气与计算机工程系） 纠错

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

AI总结 本文研究多智能体系统中非线性sheaf扩散的识别问题，指出拓扑学中的sheaf上同调是恢复交互规律的关键因素，通过实验验证了在有限维参数化类中恢复的可行性。

EVOCHAMBER: Test-Time Co-evolution of Multi-Agent System at Individual, Team, and Population Scales

EVOCHAMBER：在个体、团队和种群层面进行多智能体系统的测试时间共进化

Yaolun Zhang, Tianyi Xu, Shengyu Dai, Zhenwen Shao, Qingyun Wu, Huazheng Wang

机构 * Oregon State University（俄勒冈州立大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Johnson & Johnson（强生公司） ； Pennsylvania State University（宾夕法尼亚州立大学） ； AG2AI, Inc.（AG2AI公司） 纠错

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

AI总结 EVOCHAMBER通过在多智能体系统中实现测试时间共进化，解决了传统方法在跨智能体学习和专业化保留上的不足，通过协作梦境协议和群体生命周期操作，在不同任务流上实现了显著的性能提升。