AI Agent

Heartbeat-Bound Hierarchical Credentials: Cryptographic Revocation for AI Agent Swarms

基于心跳的分层凭证：面向AI代理群的加密撤销机制

Saurabh Deochake

机构 * SentinelOne Inc.（SentinelOne公司） 纠错

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

AI总结 本文提出了一种基于心跳的分层凭证协议，通过将凭证有效性与周期性父级存活证明绑定，实现无需网络连接的高效凭证撤销，显著减少了僵尸代理的存活时间并提升了验证效率。

From Automated to Autonomous: Hierarchical Agent-native Network Architecture (HANA)

从自动化到自主：分层代理原生网络架构（HANA）

Binghan Wu, Shoufeng Wang, Yunxin Liu, Ya-Qin Zhang, Joseph Sifakis, Ye Ouyang

机构 * AsiaInfo Technologies Limited（亚洲信息科技有限公司） ； Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Tsinghua University（清华大学） ； Verimag 纠错

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

AI总结 本文提出了一种分层多代理参考架构，旨在实现Level 4/5自主网络，通过引入代理自意识，统一战略规划与操作韧性，验证了其在5G核心环境中的有效性。

Comments This manuscript has been accepted by IEEE Networking Letters

Journal ref B. Wu, S. Wang, Y. Liu, Y. -Q. Zhang, J. Sifakis and Y. Ouyang, "From Automated to Autonomous: Hierarchical Agent-native Network Architecture (HANA)," in IEEE Networking Letters, 2026

OmniVL-Guard Pro: A Tool-Augmented Agent for Omnibus Vision-Language Forensics

OmniVL-Guard Pro: 一个增强工具的代理用于综合视觉-语言防伪

Jinjie Shen, Zheng Huang, Yuchen Zhang, Yujiao Wu, Yaxiong Wang, Lechao Cheng, Shengeng Tang, Tianrui Hui, Nan Pu, Zhun Zhong

机构 * School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China（合肥工业大学计算机科学与信息工程学院） ； Wuhan University, Wuhan, China（武汉大学） ； Lab for Intelligence and visiON (LION)（智能与视觉实验室） ； Xi'an Jiaotong University（西安交通大学） 纠错

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

AI总结 该研究提出OmniVL-Guard Pro，一种增强工具的代理，用于综合视觉-语言防伪，通过整合多种工具环境和引入新的强化学习方法，实现了开放世界中的线索驱动推理，并在多个任务上达到了最先进的性能。

Comments 29 pages

Governance by Design: Architecting Agentic AI for Organizational Learning and Scalable Autonomy

设计治理：为组织学习和可扩展自主性构建智能体AI

Nelly Dux, Cristina Alaimo, Philippe Roussiere, Abhishek Kumar Mishra

机构 * ESSEC Business School（ESSEC商学院） ； Accenture Research（埃森哲研究） 纠错

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

AI总结 本文探讨了智能体AI在组织学习和可扩展自主性中的设计与治理问题，通过案例研究展示了如何通过具体的架构和工作安排实现有效的治理，并总结了七条指导原则。

Comments 17 pages, 1 figure, 3 tables

MC-Risk: Multi-Component Risk Fields for Risk Identification and Motion Planning

MC-Risk：多组件风险场用于风险识别和运动规划

Maximilian Link, Yingjie Xu, Yingbai Hu, Yinlong Liu

机构 * Technical University of Munich（慕尼黑技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； City University of Macau（澳门城市大学） 纠错

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

AI总结 本文提出MC-Risk，一种与规划器对齐的多组件风险场，用于早期、校准且类别感知的风险定位。该方法通过线性组合三个可解释模块，包括电机代理场、VRU风险场和道路惩罚场，并在RiskBench碰撞子集上进行了首次标准化定量评估，展示了最佳的风险定位和最早危险指示。

Breaking User-Centric Agency: A Tri-Party Framework for Agent-Based Recommendation

打破以用户为中心的代理：一个三方框架用于基于代理的推荐

Yaxin Gong, Chongming Gao, Chenxiao Fan, Haoyan Liu, Wenjie Wang, Jianshan Sun, Yangyang Li, Fuli Feng, Xiangnan He

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

AI总结 本文提出一个三方框架TriRec，用于基于代理的推荐系统，旨在协调用户效用、物品曝光和平台层面的公平性，从而提高推荐系统的准确性和公平性。

Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues

面向目标的主动对话中规划的伪孪生网络

Xinyue Kang, Maodong Li, Yibin Zheng, Fang Kong

机构 * School of Computer Science and Technology（计算机科学与技术学院） 纠错

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

AI总结 本文提出了一种面向目标的主动对话规划方法，通过FF-BPSN网络实现对话路径规划，提升目标导向型主动对话系统的有效性。

Comments ICASSP2026

Hypergraph Enterprise Agentic Reasoner over Heterogeneous Business Systems

面向异构业务系统的超图企业代理推理器

Ling Wang, Xin Liu, Songnan Liu, Jianan Wang, Cheng Cheng, Yihan Zhu, Enyu Li, Yu Xiao, Jiangyong Xie, Duogong Yan, Jiangyi Chen

机构 * SUPCON 纠错

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

AI总结 本文提出HEAR，一种基于分层超图本体的企业代理推理器，通过分层图层和超边层实现结构化多跳分析，无需重新训练LLM，在供应链任务中达到94.7%的准确率，并展示出适应性和效率。

Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning

严格子目标执行：在分层强化学习中的可靠长 horizon 规划

Jaebak Hwang, Sanghyeon Lee, Jeongmo Kim, Seungyul Han

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； Ulsan National Institute of Science and Technology (UNIST)（釜山国立科学与技术研究所） ； Ulsan, South Korea（韩国釜山） 纠错

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

AI总结 本文提出严格子目标执行（SSE）框架，通过前沿经验回放（FER）分离不可达与可接受的子目标，提高高层决策效率，从而在长horizon任务中实现更可靠的规划。

Comments 10 pages for main, 26 pages for total, Accepted to ICLR 2026

Journal ref International Conference on Learning Representations (ICLR), 2026

A Terrain-Adaptive epsilon-Constraint MPC for Uneven Terrain Kinodynamic Planning

一种适应地形的epsilon约束MPC用于不规则地形运动动力学规划

Otobong Jerome, Geesara Kalathunga, Tiago Nascimento

机构 * Laboratório de Engenharia de Sistemas e Robótica, Universidade Federal da Paraíba（系统与机器人工程实验室，帕拉伊巴联邦大学） ； School of Computer Science, University of Lincoln（计算机科学学院，林肯大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种适应地形的epsilon约束MPC方法，用于解决车辆在不规则地形上同时优化路径效率和姿态稳定性的规划问题，通过动态调整epsilon界限来实时探索帕累托前沿，并通过半参数模型结合分析车辆动力学和稀疏高斯过程来捕捉车辆-地形动力学。

Synergetic capacity planning of private and public EV charging piles via city-scale multiobjective optimization

通过城市级多目标优化实现私人和公共电动汽车充电堆的协同能力规划

Yiwu Hao, Hong Yuan, Nan Zhou, Minda Ma

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于需求驱动的城市级电动汽车充电需求评估和充电堆容量规划框架，采用自底向上的估算方法量化电力需求，并利用Harris Hawks Optimization算法解决容量规划问题，通过2022-2030年中国重庆的案例研究，展示了充电需求的变化趋势和优化配置的综合性能。

Comments Following additional internal review, the authors identified possible errors associated with the results presented in Fig. B1, which may influence the validity of the related results interpretation and discussion sections. The manuscript is therefore withdrawn to allow comprehensive re-analysis and correction

Scalable Multi-robot Motion Planning via Hierarchical Subproblem Expansion and Workspace Decomposition Refinement

通过分层子问题扩展和工作空间分解细化实现可扩展的多机器人运动规划

Isaac Ngui, Courtney McBeth, James D. Motes, Marco Morales, Nancy M. Amato

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Instituto Tecnológico Autónomo de México（墨西哥自治理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种多机器人运动规划方法，通过工作空间分解的离散搜索提高规划效率，核心方法是分层子问题扩展和工作空间分解细化，主要贡献是通过迭代优化工作空间表示来搜索更小的解耦配置空间。

Comments Accepted to WAFR 2026

MemGym: a Long-Horizon Memory Environment for LLM Agents

MemGym: 一种长时间跨度的记忆环境用于LLM智能体

Wujiang Xu, Yu Wang, Kai Mei, Kaiqu Liang, Zhenting Wang, Mingyu Jin, Han Zhang, Shi-Xiong Zhang, Wenyue Hua, Sambit Sahu, Dimitris N. Metaxas

机构 * Rutgers University（罗杰斯大学） ； Capital One ； Princeton University（普林斯顿大学） ； Microsoft Research（微软研究院） 纠错

专题命中 规划决策 ：agent(abstract)；tool-use(abstract)；agentic(abstract)；分类 cs.CL

AI总结 本文提出MemGym，一种用于评估LLM智能体记忆能力的基准测试环境，通过统一现有智能体 gym 和内部记忆基础管道，提供一个记忆推理接口。MemGym 包含五个评估赛道，涵盖四个智能体领域，能够独立评估记忆性能，排除推理、检索和工具使用能力的干扰。

AgentEscapeBench: Evaluating Out-of-Domain Tool-Grounded Reasoning in LLM Agents

AgentEscapeBench: 评估LLM代理在跨领域工具引导推理中的能力

Zhengkang Guo, Yiyang Li, Lin Qiu, Xiaohua Wang, Jingwen Xv, Dongyu Ru, Xiaoyu Li, Xiaoqing Zheng, Xuezhi Cao, Xunliang Cai

机构 * Fudan University（复旦大学） ； Meituan Longcat Team（美团Longcat团队） 纠错

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

AI总结 本文提出AgentEscapeBench基准测试，用于评估LLM代理在非熟悉工作流和短程交互之外维持工具引导推理的能力，通过逃亡室风格的任务测试代理在显式长距离依赖约束下推断、执行和修订新工具使用程序的能力，结果显示代理在依赖深度增加时表现显著下降。

Tutor-Student Reinforcement Learning: A Dynamic Curriculum for Robust Deepfake Detection

tutor-student 强化学习：一种动态课程以实现鲁棒的深度伪造检测

Zhanhe Lei, Zhongyuan Wang, Jikang Cheng, Baojin Huang, Yuhong Yang, Zhen Han, Chao Liang, Dengpan Ye

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Integrated Circuits, Peking University（北京大学集成电路学院） ； School of Information, Huazhong Agricultural University（华中农业大学信息学院） ； Cyberspace Institute of Advanced Technology, Guangzhou University（广州大学先进技术网络研究院） 纠错

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

AI总结 本文提出了一种 tutor-student 强化学习框架，通过动态优化训练课程来提高深度伪造检测的鲁棒性和泛化能力。

Comments Accepted to CVPR 2026

Journal ref The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026)

Inference Time Policy Optimization for Offline RL with Differentiable World Models

基于可微世界模型的离线强化学习推理时间策略优化

Rohan Deb, Stephen J. Wright, Arindam Banerjee

机构 * Siebel School of Computing and Data Science（计算与数据科学学院） ； Department of Computer Sciences（计算机科学系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； 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(abstract,abstract_cn)；分类 cs.LG

AI总结 本文提出了一种在推理时间利用可微世界模型优化策略参数的方法，通过端到端的梯度计算提升离线强化学习的性能，同时探讨了推理时间适应的计算开销与收益的权衡。

ProCrit: Self-Elicited Multi-Perspective Reasoning with Critic-Guided Revision for Multimodal Sarcasm Detection

ProCrit: 通过批评引导的修订实现自激发多视角推理用于多模态讽刺检测

Yingjia Xu, Jiulong Wu, Bowen Zhang, Baokui Guo, Siyuan Chai, Min Cao

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Baidu Inc.（百度公司） ； Zhipu AI（智谱AI） 纠错

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

AI总结 本文提出ProCrit，一种通过批评引导的修订实现自激发多视角推理的框架，用于多模态讽刺检测，解决了现有方法依赖固定视角的问题，通过动态生成多视角分析并进行协同优化。

Demo-JEPA: Joint-Embedding Predictive Architecture for One-shot Cross-Embodiment Imitation

Demo-JEPA: 一种用于单次跨体态模仿的联合嵌入预测架构

Jingyang He, Guangrun Li, Jieyu Zhang, Chengkai Hou, Zhengping Che, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机学院，北京大学） ； University of Washington（华盛顿大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） 纠错

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

AI总结 本文提出Demo-JEPA，一种跨体态模仿框架，通过解耦示范意图与体态特定的执行，利用共享预测表示空间将源视觉示范转换为目标兼容的未来潜在轨迹，使目标代理通过规划实现这些子目标，从而在异构体态间实现灵活的模仿。

What if Agents Could Imagine? Reinforcing Open-Vocabulary HOI Comprehension through Generation

如果智能体能够想象？通过生成强化开放词汇人-物交互理解

Zhenlong Yuan, Yue Wang, Dapeng Zhang, Kejin Cui, Rui Chen, Jing Tang, Lei Sun, Hongwei Yu, Chengxuan Qian, Xiangxiang Chu, Shuo Li, Yuyin Zhou

机构 * Dream-X Team（Dream-X团队） ； Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究者） ； Case Western Reserve University（凯斯西储大学） ； UC Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 本文提出ImagineAgent框架，通过生成式世界建模和工具增强强化学习，解决开放词汇人-物交互理解中的跨模态幻觉和视角限制问题，实现了高效且鲁棒的推理。

APEX: Autonomous Policy Exploration for Self-Evolving LLM Agents

APEX：自主策略探索用于自演化大语言模型代理

Yibo Li, Jiashuo Yang, Zhi Zheng, Zhiyuan Hu, Yuan Sui, Shizun Wang, Yufei He, Bryan Hooi

机构 * National University of Singapore（新加坡国立大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出APEX，一种用于自演化大语言模型代理的自主策略探索方法，通过构建和维护显式的策略空间来解决探索崩溃问题，并在多个基准测试中表现出色。

Interaction Locality in Hierarchical Recursive Reasoning

层次递归推理中的交互局部性

Yosuke Miyanishi, Tetsuro Morimura

机构 * CyberAgent Inc.（CyberAgent公司） 纠错

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

AI总结 本文提出交互局部性框架，用于测量信息流是否在附近单元或语义段内传输或跨越，通过在HRM和TRM等层次递归推理模型上应用，验证了局部执行与全局规划的可重复测量框架。

Conflict-Aware Additive Guidance for Flow Models under Compositional Rewards

面向组合奖励的冲突感知加法引导：流模型中的对抗性生成

Xuehui Yu, Fucheng Cai, Meiyi Wang, Xiaopeng Fan, Harold Soh

机构 * Smart Systems Institute, National University of Singapore, Singapore（新加坡国立大学智能系统研究所） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机学院） ； School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） 纠错

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

AI总结 本文提出了一种面向组合奖励的冲突感知加法引导方法，用于在流模型中处理对抗性生成问题，通过动态检测和解决梯度冲突来纠正离曼福德漂移，提升了生成保真度。

Comments Forty-Third International Conference on Machine Learning (ICML 2026)

Beyond GRPO and On-Policy Distillation: An Empirical Sparse-to-Dense Reward Principle for Language-Model Post-Training

超越GRPO和在线策略蒸馏：一种经验性稀疏到密集奖励原则用于语言模型后训练

Yuanda Xu, Hejian Sang, Zhengze Zhou, Ran He, Zhipeng Wang, Alborz Geramifard

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

AI总结 本文提出了一种经验性的稀疏到密集奖励原则，用于语言模型后训练，通过在教师模型上使用稀疏奖励进行探索和发现，然后通过密集监督将行为压缩到部署模型中，从而在数学问题上实现了优于GRPO的性能。

It Takes Two: Complementary Self-Distillation for Contextual Integrity in LLMs

需要两人：互补的自我蒸馏用于大语言模型中的上下文完整性

Sangwoo Park, Woongyeong Yeo, Seanie Lee, Yumin Choi, Hyomin Lee, Kangsan Kim, Jinheon Baek, Seong Joon Oh, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出SELFCI框架，通过分离信息抑制与任务解决，解决大语言模型中隐私与效用的权衡问题，通过互补的自我蒸馏方法提升上下文完整性。

Comments 28 pages, 16 figures

LEAP: A closed-loop framework for perovskite precursor additive discovery

LEAP：一种用于钙钛矿前驱体添加剂发现的闭环框架

Xin-De Wang, Zhi-Rui Chen, Ze-Feng Gao, Peng-Jie Guo, Cheng Mu, Zhong-Yi Lu

机构 * School of Physics, Renmin University of China（中国人民大学物理学院） ； School of Chemistry and Life Resource, Renmin University of China（中国人民大学化学与生命资源学院） 纠错

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

AI总结 该研究提出LEAP框架，结合大语言模型和主动学习，通过文献驱动的机制相关描述符和贝叶斯优化，实现了钙钛矿太阳能电池添加剂的高效发现，实验验证显示其在性能提升方面优于通用模型。

Comments 30 pages; 11 figures

Grounding Driving VLA via Inverse Kinematics

通过逆运动学接地驾驶VLA

Junsung Park, Hyunjung Shim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； KimJaeChul AI Graduate School（金 JaeChul人工智能研究生院） 纠错

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

AI总结 本文提出通过逆运动学求解器重新设计驾驶VLA，以解决轨迹预测中对视觉token的忽略问题，通过引入视觉状态预测和逆运动学网络，提升了视觉接地和轨迹规划性能。

Draw2Think: Harnessing Geometry Reasoning through Constraint Engine Interaction

Draw2Think: 通过约束引擎交互增强几何推理

Juncheng Hu, Jiawei Du, Xin Zhang, Joey Tianyi Zhou

机构 * National University of Singapore（新加坡国立大学） ； Centre for Frontier AI Research, Agency for Science, Technology and Research（科技研究局前沿人工智能研究中心） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 Draw2Think通过与GeoGebra约束引擎交互，将几何推理从潜在空间推断转换为与约束引擎的代理交互，从而提高几何推理的准确性和可验证性。

Jointly Learning Predicates and Actions Enables Zero-Shot Skill Composition

联合学习谓词和动作使零样本技能组合成为可能

Benedict Quartey, Sebastian Castro, Eric Rosen, Wil Thomason, George Konidaris, Stefanie Tellex

机构 * Brown University（布朗大学） ； Robotics & AI Institute（机器人与人工智能研究所） 纠错

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

AI总结 本文提出了一种联合学习谓词和动作的技能方法，通过闭合回路的视觉-运动策略，使机器人能够在不重新训练的情况下实现零样本技能组合。

Hand-in-the-Loop: Improving VLA Policies for Dexterous Manipulation via Seamless Hand-Arm Intervention

手在环中：通过无缝手臂干预改进VLA策略以实现灵巧操作

Zhuohang Li, Liqun Huang, Wei Xu, Zhengming Zhu, Nie Lin, Xiao Ma, Xinjun Sheng, Ruoshi Wen

机构 * State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University（机械系统与振动国家重点实验室，机械工程学院，上海交通大学） ； Shanghai Key Laboratory of Intelligent Robotics, Meta Robotics Institute, Shanghai Jiao Tong University, Shanghai 200240, China（智能机器人上海市重点实验室，元机器人研究院，上海交通大学，上海200240，中国） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出Hand-in-the-Loop方法，通过无缝整合人类干预与自主策略执行，减少手部操作中的突兀变化，提升双臂灵巧操作的鲁棒性和效率。

WestWorld: A Knowledge-Encoded Scalable Trajectory World Model for Diverse Robotic Systems

WestWorld: 一种知识编码的可扩展轨迹世界模型用于多样化机器人系统

Yuchen Wang, Jiangtao Kong, Sizhe Wei, Xiaochang Li, Haohong Lin, Hongjue Zhao, Tianyi Zhou, Lu Gan, Huajie Shao

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文提出WestWorld，一种知识编码的可扩展轨迹世界模型，用于多样化机器人系统，通过引入系统感知的混合专家（Sys-MoE）和结构嵌入来提升可扩展性和零样本泛化能力，实现了在多种机器人环境中的高效轨迹预测和控制。

Comments ICML 2026 spotlight