AI Agent

A Statistical Modelling and Analysis of Residential Electric Vehicles' Charging Demand in Smart Grids

智能电网中居民电动车充电需求的统计建模与分析

Farshad Rassaei, Wee-Seng Soh, Kee-Chaing Chua

专题命中 规划决策 ：planning(abstract)

AI总结 本文基于随机过程建立电动车无协调充电模型，通过模拟不同充电时间分布揭示长期电网升级需求，并引入自主需求响应技术以管理充电需求，实现电网负载平衡。

Comments 5 pages, 6 figures. arXiv admin note: substantial text overlap with arXiv:1407.1576

An Invariant Linear Quadratic Gaussian controller for a simplified car

一种不变的线性二次高斯控制器用于简化汽车

Sébastien Diemer, Silvère Bonnabel

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种不变的线性二次高斯控制器，用于跟踪简化汽车模型的参考轨迹，通过模拟验证其在高噪声或初始不确定性下的鲁棒性。

Abstractions and sensor design in partial-information, reactive controller synthesis

抽象与传感器设计在部分信息反应控制器合成中的应用

Jie Fu, Rayna Dimitrova, Ufuk Topcu

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种抽象方法，用于处理部分观察系统的反应控制器合成，通过识别必要的传感模态来解决感知限制问题，并通过插值技术改进模型和传感器设计。

Comments 9 pages, 4 figures, Accepted at American Control Conference 2014

Scalable and Anonymous Modeling of Large Populations of Flexible Appliances

可扩展且匿名的大规模柔性家电建模

Mahnoosh Alizadeh, Anna Scaglione, Andy Applebaum, George Kesidis, Karl Levitt

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种中粒度随机混合模型，用于表示两类家电：可延迟负载和热控负载，实现可扩展的负载建模与控制，同时保护用户隐私。

Comments Submitted to IEEE Transactions on Power Systems

Storage Sizing and Placement through Operational and Uncertainty-Aware Simulations

通过运营和不确定性感知模拟进行存储容量和位置确定

Krishnamurthy Dvijotham, Scott Backhaus, Misha Chertkov

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出通过运营和不确定性感知模拟确定存储容量和位置，以降低可再生能源接入成本，采用启发式方法优化存储部署，通过统计分析提升存储效率。

Comments To Appear in proceedings of Hawaii International Conference on System Sciences (HICSS-2014)

Reinforcing Power Grid Transmission with FACTS Devices

用FACTS设备强化电力传输网络

Vladimir Frolov, Scott Backhaus, Misha Chertkov

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了通过FACTS设备缓解电网拥堵的方法，采用混合优化算法解决单 contingency 问题，实现FACTS设备的高效选址和 sizing。

Comments 12 pages, 15 figures

Technical Report: Convex Optimization of Nonlinear Feedback Controllers via Occupation Measures

技术报告：通过占据措施进行非线性反馈控制器的凸优化

Anirudha Majumdar, Ram Vasudevan, Mark M. Tobenkin, Russ Tedrake

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种设计多项式系统反馈控制器的方法，通过最大化时间限制的反向可达集大小，利用占据措施将合成问题转化为无限维线性规划，并通过半正定规划进行有限维近似。方法具有凸性且无需初始化。

Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation

迈向可验证的多模态深度研究：用于交错报告生成的多智能体框架

Chenghao Zhang, Guanting Dong, Yufan Liu, Tong Zhao, Xiaoxi Li, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） 纠错

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

AI总结 提出多智能体框架Ptah，通过规划、研究和写作阶段生成交错文本与视觉证据的多模态报告，并引入验证器确保事实准确性和跨模态一致性。

Comments In progress

VulnAgent-R2: Evidence-Calibrated Multi-Agent Auditing for Repository-Level Vulnerability Detection

VulnAgent-R2: 证据校准的多智能体审计用于仓库级漏洞检测

Renwei Meng, Haoyi Wu, Jingming Wang

机构 * stu.ahu.edu.cn（安徽大学） 纠错

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

AI总结 提出VulnAgent-R2，一个预算感知的多智能体审计框架，通过反事实证据重加权、构建感知验证计划合成和成本风险帕累托调度器，在仓库级漏洞检测中提升F1和AUROC，并降低在线令牌消耗。

Comments 13 pages, 4 figures

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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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

Motion and Cooperative Transportation Planning for Multi-Agent Systems under Temporal Logic Formulas

多智能体系统在时序逻辑公式下的运动与协作运输规划

Christos K. Verginis, Dimos V. Dimarogonas

机构 * KTH Center for Autonomous Systems（KTH 自主系统中心） 纠错

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

AI总结 本文提出一种混合控制框架，用于在高阶目标表达为线性时序逻辑（LTL）公式的情况下，多智能体系统的运动规划。设计控制协议以实现智能体在预定义兴趣区域间的过渡及协作运输物体。通过抽象智能体与物体的耦合行为为有限状态转移系统，设计满足智能体和物体规格的高层多智能体计划。

Comments Submitted to IEEE Transactions on Automation Science and Engineering. arXiv admin note: text overlap with arXiv:1611.05186

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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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)

Communication-aware Motion Planning for Multi-agent Systems from Signal Temporal Logic Specifications

面向信号时间逻辑规范的多智能体通信感知运动规划

Zhiyu Liu, Jin Dai, Bo Wu, Hai Lin

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

AI总结 本文提出一种数学框架，用于合成满足复杂高层正式局部规范的多智能体运动计划，通过联合优化运动规划与无线通信，确保通信质量的同时避免碰撞。

Comments 6 pages, 3 figures. arXiv admin note: text overlap with arXiv:1705.10259

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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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

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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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

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 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(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

On the Timed Temporal Logic Planning of Coupled Multi-Agent Systems

关于耦合多智能体系统的时序时序逻辑规划

Alexandros Nikou, Dimitris Boskos, Jana Tumova, Dimos V. Dimarogonas

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

AI总结 本文提出一种自动控制器合成方法，用于满足耦合约束的多智能体系统。通过设计分布式抽象和形式验证技术，计算满足高阶任务的个体运行。

Decentralized Abstractions and Timed Constrained Planning of a General Class of Coupled Multi-Agent Systems

去中心化抽象与一般耦合多智能体系统的时约束规划

Alexandros Nikou, Shahab Heshmati-alamdari, Christos Verginis, Dimos V. Dimarogonas

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

AI总结 本文提出一种自动控制器合成方法，针对具有耦合约束的多智能体系统，设计满足MITL规格的控制器并保持连接性。

Cooperative Planning for Coupled Multi-Agent Systems under Timed Temporal Specifications

耦合多智能体系统的 timed 时间规范下的协作规划

Alexandros Nikou, Dimitris Boskos, Jana Tumova, Dimos V. Dimarogonas

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

AI总结 本文提出一种自动控制器合成方法，针对耦合约束下的多智能体系统设计控制输入以满足MITL规范，通过离散化和形式验证技术实现任务满足。

Comments submitted to ACC 2017

A message-passing algorithm for multi-agent trajectory planning

多智能体轨迹规划的消息传递算法

Jose Bento, Nate Derbinsky, Javier Alonso-Mora, Jonathan Yedidia

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

AI总结 本文提出基于改进交替方向乘子法的新型算法，用于计算多智能体的无碰撞全局轨迹，具有自然并行化和易整合不同成本函数的优点。

Comments In Advances in Neural Information Processing Systems (NIPS), 2013. Demo video available at http://www.youtube.com/watch?v=yuGCkVT8Bew

SMAC-Talk: A Natural Language Extension of the StarCraft Multi-Agent Challenge for Large Language Models

SMAC-Talk: 面向大型语言模型的星际争霸多智能体挑战的自然语言扩展

Joel Sol, Homayoun Najjaran

机构 * Faculty of Engineering and Computer Science（工程与计算机科学学院） ； University of Victoria（维多利亚大学） 纠错

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

AI总结 提出SMAC-Talk环境，通过自然语言通信通道评估LLM智能体在合作多智能体场景中的协调与信任，并构建含欺骗性通信者的评估场景。

Comments 8 pages, 1 figure

MemoNoveltyAgent: A Historical Research Memory-Aware Agent Workflow for Paper Novelty Assessment

MemoNoveltyAgent：一种用于论文新颖性评估的历史研究记忆感知智能体工作流

Jiajun Hou, Hexuan Deng, Wenxiang Jiao, Xuebo Liu, Xiaopeng Ke, Derek F. Wong, Min Zhang

机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（计算与智能研究院，哈尔滨工业大学深圳校区，中国） ； Xiaohongshu Inc.（小红书公司） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau, China（自然语言处理2实验室，计算机与信息科学系，澳门大学，中国） 纠错

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

AI总结 提出MemoNoveltyAgent多智能体系统，通过分层抽象记忆、细粒度新颖点分解和自验证机制，生成忠实的新颖性报告，在评估中比GPT-5 DeepResearch提升13.69%。

Cooperative control of multi-agent systems to locate source of an odor

多智能体系统协作控制以定位气味源

Abhinav Sinha, Rishemjit Kaur, Ritesh Kumar, Amol P. Bhondekar

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

AI总结 本文提出分层协作控制方法，通过多智能体系统定位气味源，结合粒子群算法和滑模控制器实现决策与控制层的协同，验证了分层分布式控制的有效性。

Comments 8 pages, initial results on our work

Decentralized Abstractions For Multi-Agent Systems Under Coupled Constraints

去中心化抽象用于受耦合约束的多智能体系统

Dimitris Boskos, Dimos V. Dimarogonas

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

AI总结 本文提出去中心化框架，通过有限或可数转移系统抽象多智能体系统动态，利用反馈律和自由输入满足系统与网络要求，并设计参数实现多过渡与路径规划。

Comments 40 pages

Designing Distributed Fixed-Time Consensus Protocols for Linear Multi-Agent Systems Over Directed Graphs

设计用于有向图上的线性多智能体系统的分布式固定时间一致性协议

Yu Zhao, Yongfang Liu, Guanrong Chen

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

AI总结 本文提出了一种基于运动规划方法的分布式固定时间一致性算法，解决了线性多智能体系统在有向图上的固定时间一致性问题，并首次实现了该问题的通用解。

A New Event-Driven Cooperative Receding Horizon Controller for Multi-agent Systems in Uncertain Environments

多智能体系统在不确定环境中的一种新型事件驱动协作递推控制器

Yasaman Khazaeni, Christos G. Cassandras

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

AI总结 本文提出一种事件驱动的协作递推控制器，用于解决多智能体在不确定环境中最大化收集奖励的问题，通过减少可行控制集维度提升性能。

Comments One results subsection added. Some typos corrected

Demystifying Multi-Agent Debate: The Role of Confidence and Diversity

揭秘多智能体辩论：置信度与多样性的作用

Xiaochen Zhu, Caiqi Zhang, Yizhou Chi, Tom Stafford, Nigel Collier, Andreas Vlachos

机构 * University of Cambridge（剑桥大学） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 针对多智能体辩论（MAD）在提升大语言模型性能时效果不佳的问题，提出多样性感知初始化和置信度调节辩论协议两种轻量级干预方法，显著提升辩论有效性。

Topology Matters: Measuring Memory Leakage in Multi-Agent LLMs

拓扑结构至关重要：多智能体大语言模型中的内存泄漏测量

Jinbo Liu, Defu Cao, Yifei Wei, Tianyao Su, Yuan Liang, Yushun Dong, Yan Liu, Yue Zhao, Xiyang Hu

机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 提出MAMA框架，通过控制图拓扑结构评估多智能体LLM系统中的内存泄漏，发现密集连接、短攻击距离和高中心性增加泄漏，并给出稀疏或层次化拓扑的设计建议。

Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026. Camera-ready version