AI Agent

Neural Operators for Design-Space Surrogate Modeling of Tendon-Actuated Continuum Robots

神经运算符用于腱驱动连续机器人设计空间的代理建模

Branden Frieden, James M. Ferguson, Alan Kuntz, Varun Shankar

机构 * The Robotics Center and the Kahlert School of Computing at the University of Utah（犹他大学机器人中心和Kahlert计算学院） ； The Departments of Computer Science and Electrical and Computer Engineering at Vanderbilt University（范德比大学计算机科学与电气与计算机工程系） 纠错

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

AI总结 本文提出了一种基于神经运算符的学习方法，用于腱驱动连续机器人的设计空间代理建模，通过映射机器人设计参数和腱驱动输入到最终配置，实现跨大量机器人设计的泛化能力。

Comments Accepted to ICRA 2026

Discrete Tilt Matching

离散倾斜匹配

Yuyuan Chen, Shiyi Wang, Peter Potaptchik, Jaeyeon Kim, Michael S. Albergo

机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯姆纳研究所） 纠错

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

AI总结 本文提出了一种无需概率模型的离散倾斜匹配方法，用于改进扩散大语言模型的微调，通过局部解掩码后验的状态级匹配来提高训练稳定性并防止模式崩溃。

Landslide Detection and Mapping Using Deep Learning Across Multi-Source Satellite Data and Geographic Regions

利用多源卫星数据和地理区域的深度学习进行滑坡检测与制图

Rahul A. Burange, Harsh K. Shinde, Omkar Mutyalwar

机构 * Department of Electronics & Telecommunication, KDK College of Engineering（电子与电信系，KDK工程学院） 纠错

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

AI总结 本文提出了一种综合方法，结合多源卫星影像和深度学习模型，以提高滑坡识别和预测的准确性，通过Sentinel-2多光谱数据和ALOS PALSAR衍生的坡度和数字高程模型（DEM）层来捕捉影响滑坡发生的关键环境特征，并评估多种地理空间分析技术对检测精度的影响，同时评估了多种先进的深度学习分割模型，如U-Net、DeepLabV3+和Res-Net，以确定其在滑坡检测中的有效性。

Comments 17 pages, 22 figures

Journal ref JETIR March 2025, Volume 12, Issue 3

Error Bounds for Importance Sampling with Estimated Proposal Distributions

重要性采样中使用估计提案分布的误差界

Cathrine Aeckerle-Willems, Ilja Klebanov, Simon Weissmann

专题命中 规划决策 ：workflow(abstract)

AI总结 本文研究了使用数据驱动提案分布的重要性和采样方法，通过推导非渐近误差界，分离了蒙特卡洛误差和提案近似误差，并为基于KDE的提案提供了定量保证。

CEER: Compliant End-Effector and Root Control as a Unified Interface for Hierarchical Humanoid Loco-Manipulation

CEER：一种用于分层人形机器人运动-操作的合规末端执行器-根控制统一接口

Xinyuan Luo, Xingrui Chen, Xunjian Yin, Hongxuan Wu, Boxi Xia, Zhuoqun Chen, Jinzhou Li, Boyuan Chen, Xianyi Cheng

机构 * Department of Mechanical Engineering and Materials Science（机械工程与材料科学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出CEER，一种用于分层人形机器人运动-操作的合规末端执行器-根控制统一接口，通过模块化接口实现接触丰富和长时程操作任务的稳定交互，实验表明其在仿真和硬件上均表现出较高的末端执行器跟踪精度和操作稳定性。

Comments Project page: https://robotproject8.github.io/ceer_page/. 9 pages, 7 figures

WoundFormer: Multi-Scale Spatial Feature Fusion for Multi-Class Wound Tissue Segmentation

WoundFormer: 多尺度空间特征融合用于多类伤口组织分割

Muhammad Ashad Kabir, Rabin Dulal

机构 * School of Computing, Mathematics and Engineering（计算、数学与工程学院） ； Charles Sturt University（查尔斯·斯特劳特大学） ； NSW, Australia（新南威尔士州，澳大利亚） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出WoundFormer框架，通过多尺度空间特征融合提升多类伤口组织分割的准确性，解决了现有方法在处理异质组织组成时的不足。

Comments 10 pages

Scaling intra-urban climate fluctuations

城市内部气候波动的放大

Marc Duran-Sala, Martin Hendrick, Gabriele Manoli

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了城市内部气候波动与城市规模的关系，通过高分辨率数据揭示了城市气候变量与城市规模量之间的普遍缩放函数，为简化模型提供了新的理论基础。

Comments Accepted manuscript version published in Nature Cities

Journal ref Nat Cities (2026)

HEAT: Heterogeneous End-to-End Autonomous Driving via Trajectory-Guided World Models

HEAT: 基于轨迹引导的世界模型实现异构端到端自动驾驶

Hoonhee Cho, Giwon Lee, Jae-Young Kang, Hyemin Yang, Heejun Park, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于轨迹引导的学习方法，通过规划轨迹组织训练，使模型能够捕捉驾驶意图的领域不变表示，并结合预测未来潜在特征的世界模型，提高特征一致性并缓解领域偏见，从而在多个异构数据集上实现强性能。

SWEET: Sparse World Modeling with Image Editing for Embodied Task Execution

SWEET：基于图像编辑的稀疏世界建模用于具身任务执行

Yiren Song, Yihan Wang, Xiyao Deng, Zhuoran Yan, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； Central South University（中南大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究图像编辑模型能否作为稀疏视觉世界模型用于机器人操作，通过预测任务级未来状态而非密集视频生成，提出SWEET框架实现稀疏视觉规划，结合语言指令和空间引导生成关键帧，并通过扩散动作预测器生成可执行动作，实验表明其在不同场景中提升关键帧预测能力。

Feasible Plan Generation with Ambiguity-Boundedness in Cross-Model Query Processing

在跨模型查询处理中具有模糊性界限的可行计划生成

Subhasis Dasgupta, Amarnath Gupta

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种在跨模型查询处理中具有模糊性界限的可行计划生成方法，通过引入可行性约束来检测局部不一致，并引入了具有多项式界限的紧凑结构Packed Plan Forest（PPF），以高效地编码所有可行的中间逻辑计划（ILPs）并提前剪枝不可行的计划。

Open-source segmentation and biometry dataset using spectrally-multiplexed whole-eye optical coherence tomography

开源的基于光谱复用全眼光学相干断层扫描的分割和生物特征数据集

Ruobing Qian, Catherine Fromm, Pushkar Anand, Kyle Johnson, Zach Willms, Yimin Ding, Weihan Zhang, Ali Behrooz, Mohamed El-Haddad

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种新颖的光谱复用全眼光学相干断层扫描系统，结合深度学习进行表面分割和3D畸变校正，实现了高精度的3D重建，同时开源了包含6621个处理后的体积的数据集，用于改善相关领域的数据获取瓶颈。

Reachability-Augmented Dual Dynamic Programming for Optimal Path Parameterization

可达性增强的双动态规划用于最优路径参数化

Yunan Wang, Jizhou Yan, Chuxiong Hu, Zeyang Li

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种可达性增强的双动态规划（RDDP）方法，用于解决最优路径参数化问题，通过统一的框架实现了可验证的通用目标优化、基于可达性的可行性保持以及在线兼容的低维动态规划计算。

A Payne-Whitham model of urban traffic networks in the presence of traffic lights and its application to traffic optimisation

一种包含交通灯的城市交通网络Payne-Whitham模型及其在交通优化中的应用

Mauritz N. Cartier van Dissel, Paweł Gora, Dragoş Manea

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种扩展的Payne-Whitham模型，用于模拟包含交通灯的城市交通网络，并展示了该模型在交通信号优化中的应用。

ARM: Discovering Agentic Reasoning Modules for Generalizable Multi-Agent Systems

ARM：为通用多智能体系统发现代理推理模块

Bohan Yao, Shiva Krishna Reddy Malay, Vikas Yadav

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出了一种新的自动多智能体系统设计范式，通过优化链式推理（CoT）来发现代理推理模块（ARM），该模块通过在代码空间中进行树搜索，利用执行轨迹的反思来进化，从而提升多智能体系统的泛化能力。

Comments 29 pages, 2 figures

Metric-Gradient Projection for Stable Multi-Agent Policy Learning

基于度量梯度的稳定多智能体策略学习

Zuyuan Zhang, Sizhe Tang, Mahdi Imani, Tian Lan

机构 * The George Washington University（乔治华盛顿大学） ； Northeastern University（东北大学） 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HPML方法，通过将多智能体系统的联合更新场视为L²空间中的向量场，并计算其在最接近度量梯度势流上的Hodge型投影，从而提升多智能体强化学习的稳定性。

STAR-PólyaMath: Multi-Agent Reasoning under Persistent Meta-Strategic Supervision

STAR-PólyaMath: 多智能体在持久元策略监督下的推理

Jiaao Wu, Xian Zhang, Hanzhang Liu, Sophia Zhang, Fan Yang, Yinpeng Dong

机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院） ； New York University（纽约大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出STAR-PólyaMath多智能体框架，通过元级监督和结构化的推理-验证交互系统性解决数学推理中的幻觉积累、记忆碎片化和推理工具平衡问题，并在多个顶级竞赛基准上取得最佳成绩。

Comments 25 pages, 4 figures. Code: https://github.com/Julius-Woo/STAR-PolyaMath

Asynchronous Cooperative Multi-Agent Reinforcement Learning with Limited Communication

异步协作多智能体强化学习与有限通信

Sydney Dolan, Siddharth Nayak, Jasmine Jerry Aloor, Hamsa Balakrishnan

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

AI总结 本研究提出了一种异步多智能体强化学习框架AsynCoMARL，通过图Transformer学习动态图中的通信协议，在通信受限环境下实现高效协作，相比传统同步方法，减少26%的通信量同时保持相近的成功率和碰撞率。

Journal ref Proceedings of the 2025 International Conference on Autonomous Agents and Multiagent Systems

A Closed-loop, State-centric, Multi-agent Framework for Passenger Load Estimation from Heterogeneous Data Streams

一种闭环、以状态为中心的多智能体框架，用于从异构数据流中估计乘客负载

Yiyao Xu, Hao Zhou, Yuhang Wang, Jingran Sun

机构 * Department of Civil and Environmental Engineering, University of South Florida（佛罗里达州立大学土木与环境工程系） 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 本文提出一种闭环、以状态为中心的多智能体框架，用于从异构数据流中准确估计乘客负载，通过动态分配信任和物理约束提升鲁棒性。

Comments Preprint version of a paper accepted by the 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC). 7 pages, 4 figures

RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning

RLFTSim: 通过强化学习微调实现逼真且可控的多智能体交通仿真

Ehsan Ahmadi, Hunter Schofield, Behzad Khamidehi, Fazel Arasteh, Jinjun Shan, Lili Mou, Dongfeng Bai, Kasra Rezaee

机构 * University of Alberta（阿尔伯塔大学） ； Huawei Technologies Canada（华为加拿大技术有限公司） ； York University（约克大学） ； Canada CIFAR AI Chair, Amii（加拿大 CIFAR 人工智能主席，Amii） 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RLFTSim框架，通过强化学习微调提升交通仿真场景的真实感，并通过目标条件化方法实现对交通仿真可控性的提炼，实验表明其在真实感和可控性方面均优于其他启发式搜索方法。

Comments CVPR 2026 Highlight; Project page at https://ehsan-ami.github.io/rlftsim

CodePori: Large-Scale System for Autonomous Software Development Using Multi-Agent Technology

CodePori：利用多智能体技术实现大规模自主软件开发的系统

Zeeshan Rasheed, Muhammad Waseem, Kai-Kristian Kemell, Aakash Ahmad, Malik Abdul Sami, Mika Saari, Jussi Rasku, Pekka Abrahamsson

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

AI总结 本文研究了基于大语言模型的多智能体系统在自主软件开发中的潜力与局限，通过开发CodePori系统和参与式评估，揭示了LLM多智能体系统的优势、挑战及改进方向。

Comments 18 pages, 8 figures, and 4 Table

Conflict-Resilient Multi-Agent Reasoning via Signed Graph Modeling

通过有向图建模实现冲突容忍的多智能体推理

Longgang He, Longzhu He, Daojing He, Chaozhuo Li

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Beijing University of Posts and Telecommunications（北京邮电大学） 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SIGMA框架，通过有向图建模显式捕捉智能体间的信任、冲突和中性关系，以提升多智能体系统的推理能力和冲突容忍性。

A Multi-Agent Framework for Feature-Constrained Difficulty Control in Reading Comprehension Item Generation

一种用于特征约束难度控制的多智能体框架（在阅读理解项目生成中）

Seonjeong Hwang, Jun Seo, Hyounghun Kim, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国POSTECH计算机科学与工程系） 纠错

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

AI总结 本文提出MAFIG多智能体框架，通过多个LLM代理和特征特定评估器协作生成并迭代修订项目，以满足特征约束，从而实现更稳定的难度控制。

Comments ACL 2026 Main Conference

MuMuTestUp: Mutation-based Multi-Agent Test Case Update

MuMuTestUp: 基于变异的多智能体测试用例更新

Dawei Tian, Jiakun Liu, Yun Peng, Yichen Zhang, Jianlei Chi, Jun Sun, Xiaohong Su

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

AI总结 针对持续集成/持续交付实践中测试用例过时导致的问题，本文提出MuMuTestUp多智能体框架，通过变异分析、覆盖率分析和语义检索三个智能体提升测试用例的准确性与覆盖率，同时构建PRBENCH数据集进行评估。

Sequential Consensus for Multi-Agent LLM Debates: A Wald-SPRT compute governor with calibration-based failure detection

多智能体大语言模型辩论中的顺序共识：一种基于Wald-SPRT的计算控制器与基于校准的故障检测

Andrea Morandi

机构 * Cisco（思科） 纠错

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

AI总结 本文提出了一种基于Wald-SPRT的计算控制器，用于多智能体大语言模型辩论，通过校准来检测故障，从而在保证准确性的同时减少计算资源的使用。

Supporting System Testing with a Multi-Agent LLM-based Framework for Knowledge Graph Extraction: A Case Study with Ethernet Switch Systems

用基于多智能体的大语言模型框架支持系统测试：以以太网交换机系统为例的知识图谱提取研究

Rongqi Pan, Mahboubeh Dadkhah, Jean Baptiste Minani, Hussein Al Osman, Lionel Briand, Haiwei Dong

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

AI总结 本文提出一种基于多智能体的大语言模型框架，用于从以太网交换机配置手册中提取知识图谱，以支持系统测试自动化。该框架通过细粒度的知识图谱模式和迭代的提取-评估-改进循环，提高了知识图谱的提取准确性，并通过行业测试员的反馈证明了其在生成有效测试用例规范方面的有效性。

TMAS: Scaling Test-Time Compute via Multi-Agent Synergy

TMAS: 通过多智能体协同实现测试时间计算的扩展

George Wu, Nan Jing, Qing Yi, Chuan Hao, Ming Yang, Feng Chang, Yuan Wei, Jian Yang, Ran Tao, Bryan Dai

机构 * IQuest Research（IQuest研究） ； Beihang University（北航） 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TMAS框架，通过多智能体协同实现测试时间计算的扩展，利用层次化记忆和混合奖励强化学习提升推理能力和探索效率。

SACHI: Structured Agent Coordination via Holistic Information Integration in Multi-Agent Reinforcement Learning

SACHI：通过整体信息整合实现多智能体强化学习中的结构化智能体协调

Nikunj Gupta, James Zachary Hare, Jesse Milzman, Rajgopal Kannan, Viktor Prasanna

机构 * University of Southern California（南加州大学） ； DEVCOM Army Research Laboratory（美国陆军研究实验室） ； DEVCOM Army Research Office（美国陆军研究办公室） 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SACHI方法，通过整体信息整合实现多智能体强化学习中的结构化智能体协调，解决了智能体在部分局部观察下协调行动的信息瓶颈问题，通过图Transformer卷积在智能体协调图上增强每个智能体的表示，从而在多个任务中表现出色。

Robust synchronization for multi-agent systems governed by PDEs with observable and unobservable disturbances

由PDEs支配的多智能体系统中观测与不可观测扰动的鲁棒同步

Yongchun Bi, Jun Zheng, Guchuan Zhu, Jiye Zhang

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

AI总结 本文研究了由抛物型偏微分方程支配的多智能体系统在存在可观测和不可观测扰动下的鲁棒同步问题，设计了仅使用边界输出测量的扰动观测器以估计可观测的Dirichlet边界扰动并确保在不可观测扰动存在时观测器误差系统的鲁棒性，然后利用参考信号和局部输出信息构建分布式同步控制器，使所有智能体跟踪参考轨迹，特别在无不可观测扰动时实现指数跟踪，同时在控制器实施过程中保留鲁棒性。进一步分析了不可观测的Dirichlet-Robin边界扰动对同步性能的影响，并通过证明同步误差系统的解的有界性来证明这一点。此外，为表征所有扰动的影响，建立了闭环系统的输入到状态稳定性（ISS）。对于涉及的系统，广义Lyapunov方法和递归技术被广泛应用于稳定性分析，而提升技术和半群理论被用于证明系统的适定性。仿真结果验证了所提出的控制方案，展示了有效的扰动估计和抑制、鲁棒同步以及在各种场景下的ISS性质。

CASPIAN: Online Detection and Attribution of Cascade Attacks in LLM Multi-Agent Systems via Cross-Channel Causal Monitoring

CASPIAN: 通过跨通道因果监控在线检测和归因LLM多智能体系统中的级联攻击

Kavana Venkatesh, Jafar Isbarov, Saad Amin, Murat Kantarcioglu, Jiaming Cui

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

AI总结 本文提出CASPIAN框架，通过跨通道因果监控在线检测和归因LLM多智能体系统中的级联攻击，其核心方法是利用动态因果影响矩阵和晚交互条件转移熵公式，实现对级联行为的统一分析，并在检测准确性和早期级联识别方面优于现有方法。

Comments https://github.com/caspian-detector/caspian

CMAD: Cooperative Multi-Agent Diffusion via Stochastic Optimal Control

CMAD：通过随机最优控制的协作多智能体扩散

Riccardo Barbano, Alexander Denker, Zeljko Kereta, Runchang Li, Francisco Vargas

机构 * University of Cambridge（剑桥大学） ； Xaira Technologies（Xaira技术公司） 纠错

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

AI总结 本文提出了一种新的框架，将多模型组合生成问题转化为协作随机最优控制问题，通过联合优化扩散轨迹来实现更有效的生成效果。