AI Agent

Consensus+Innovations Distributed Kalman Filter with Optimized Gains

共识+创新分布式卡尔曼滤波器 with 优化增益

Subhro Das, José M. F. Moura

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种共识+创新分布式卡尔曼滤波器，用于时间变化随机场的分布式滤波与预测，通过优化增益矩阵降低均方误差，实验显示其收敛速度和性能优于传统方法。

Comments 15 pages, 8 figures. Published in IEEE Transactions on Signal Processing, October 12, 2016, DOI: 10.1109/TSP.2016.2617827

Passivity-Based Distributed Optimization with Communication Delays Using PI Consensus Algorithm

基于被动性的分布式优化与通信延迟的PI一致性算法

Takeshi Hatanaka, Nikhil Chopra, Takayuki Ishizaki, Na Li

专题命中 多智能体 ：agent(abstract)

AI总结 本文基于被动性方法研究存在通信延迟的分布式优化问题，提出PI一致性算法处理延迟，并扩展至约束优化，通过添加反馈环实现，同时应用于行人检测的视觉定位问题。

Comments 13 pages, 10 figures, submitted to IEEE Transactions on Automatic Control

Towards Energy-Efficient Communication Management in the Distributed Control of Networked Cyber-Physical Systems

面向网络化嵌入式系统的分布式控制中的节能通信管理

Yongcan Cao, Eduardo Pasiliao

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于可变通信范围的拓扑控制方法，用于解决分布式控制中的共识问题，通过保证网络连通性和降低通信能耗实现高效能通信管理。

Comments Submitted to American Control Conference

On the Use of Computer Programs as Money

关于将计算机程序用作货币的使用

Ross D. King

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出将计算机程序作为货币的逻辑结论，探讨其通过引入代理功能提升经济参与的潜力，包括简化交易、确保合法性及自动化合同等核心贡献。

A Fully Distributed Approach for Plug-in Electric Vehicle Charging

为插电式电动汽车充电的完全分布式方法

Javad Mohammadi, Marina Gonzalez Vaya, Soummya Kar, Gabriela Hug

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种基于智能体的分布式方法，用于协调电动汽车充电，以最小化充电成本并满足电池和基础设施限制。

Distributed Blind Calibration via Output Synchronization in Lossy Sensor Networks

基于输出同步的分布式盲校准

Miloš S. Stanković, Srđan S. Stanković, Karl Henrik Johansson

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出基于输出同步的分布式盲宏校准算法，通过梯度型递归估计传感器校准函数参数，实现传感器增益和偏移的渐近一致。

Dynamics of Complex Systems Built as Coupled Physical, Communication and Decision Layers

复杂系统动力学：由耦合的物理、通信和决策层构成

Florian Kühnlenz, Pedro H. J. Nardelli

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一个多层复杂系统模型，通过耦合的物理、通信和决策层分析系统规模、网络拓扑及通信误差对合作行为的影响，揭示宏观波浪行为出现的条件及合作比例与最小增益的关系。

Communication-Free Distributed Coverage for Networked Systems

无通信分布式覆盖网络系统

A. Yasin Yazicioglu, Magnus Egerstedt, Jeff S. Shamma

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种无通信算法，用于由多个具有本地感知能力的移动代理对任意网络进行分布式覆盖。通过游戏理论框架，代理利用感官输入优化位置，以最大化覆盖范围。

Decentralized gradient algorithm for solution of a linear equation

去中心化梯度算法用于解线性方程

Brian D. O. Anderson, Shaoshuai Mou, A. Stephen Morse, Uwe Helmke

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出利用去中心化梯度算法求解线性方程Ax=b，通过控制理论中的多智能体模型，设计了收敛于解的微分方程更新规则，并扩展至非方阵A的全行秩情况，给出收敛速率的界。

Comments 10 pages

Network Synchronization with Nonlinear Dynamics and Switching Interactions

具有非线性动力学和切换交互的网络同步

Tao Yang, Ziyang Meng, Guodong Shi, Yiguang Hong, Karl Henrik Johansson

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了在切换通信拓扑下耦合非线性动力系统同步问题，分析了非膨胀动力学和全局利普希茨条件两种情况下的同步条件与贡献。

Comments 27 pages, 0 figures

Distributed multi-object tracking over sensor networks: a random finite set approach

分布式多目标跟踪 over 传感器网络：一种随机有限集方法

Claudio Fantacci

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出基于随机有限集的分布式多目标跟踪方法，通过信息论数据融合和共识算法实现多节点协同跟踪，解决异构地理分散节点的多目标跟踪问题。

Comments Ph.D. thesis of Claudio Fantacci, Università di Firenze, Dipartimento di Ingegneria dell'Informazione (DINFO), Florence, Italy Successfully defended on the 5th of March 2015

Symbolic construction of GR(1) contracts for synchronous systems with full information

同步系统中全信息GR(1)合同的符号构造

Ioannis Filippidis, Richard M. Murray

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种符号算法，用于构建允许多智能体协作的assume-guarantee规格，通过构造弱公平假设确保合作成功，并证明GR(1)片段在状态具有活性属性时无法保证可实现性，引入嵌套游戏解决循环依赖问题。

Cyber-physical Control of Road Freight Transport

交通货运的网络物理控制

B. Besselink, V. Turri, S. H. van de Hoef, K. -Y. Liang, A. Alam, J. Mårtensson, K. H. Johansson

专题命中 多智能体 ：planning(abstract)

AI总结 本文探讨如何利用现代信息技术实现网络物理运输系统架构，通过协调卡车车队实现节能降耗，展示协同控制策略在货运中的应用与效果。

Decentralized Rigidity Maintenance Control with Range Measurements for Multi-Robot Systems

多机器人系统中基于距离测量的去中心化刚性维持控制

Daniel Zelazo, Antonio Franchi, Heinrich H. Bülthoff, Paolo Robuffo Giordano

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于距离测量的去中心化策略，用于维持多机器人系统的形成刚性，同时允许图拓扑自由变化。通过扩展刚性理论到加权框架并引入刚性特征值，设计了分布式算法以估计相对位置参考框架，并用于生成维持刚性并满足碰撞避免等约束的局部控制作用。

Comments Preprint submitted to The International Journal of Robotics Research

A Distributed Algorithm for Solving a Linear Algebraic Equation

一个分布式算法用于求解线性代数方程

Shaoshuai Mou, Ji Liu, A. Stephen Morse

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一个分布式算法，用于在每个代理仅知道矩阵(A,b)的部分行、邻居的当前解估计值的情况下，求解线性方程Ax=b，并证明算法可使所有代理的估计值以指数速度收敛到同一解。

Comments 45pages, 1 figure

Structure-Based Self-Triggered Consensus in Networks of Multiagents with Switching Topologies

基于结构的多智能体网络自触发一致性算法

Bo Liu, Wenlian Lu, Licheng Jiao, Tianping Chen

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种新的自触发一致性算法，通过智能体耦合结构决定更新时间，建立了新的分析框架证明算法收敛性，并扩展到具有切换拓扑的网络，提供了可调节的更新时间区间。

Distributed Learning of Distributions via Social Sampling

通过社交采样进行分布的分布式学习

Anand D. Sarwate, Tara Javidi

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种分布式离散分布估计协议，通过社交网络中的信息传递模型，利用量化消息实现分布估计的收敛，展示了不同共识现象的三种模式。

Comments 17 pages, accepted to IEEE Transactions on Automatic Control

Consensus in the presence of interference

在干扰下的共识

Usman A. Khan, Shuchin Aeron

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了在存在网络干扰的情况下任意向量的分布式平均共识策略。通过将干扰转化为代数结构，修改标准协议以在干扰子空间的互补子空间中达到平均值。利用信息对齐技术，使传输对齐于干扰的零空间，从而实现共识。

Comments Submitted for peer-reviewed publication

Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning

自主AI与教学最佳实践：自动化与学习之间的张力

Steve Woollaston, Brendan Flanagan, Isanka Wijerathne, Hiroaki Ogata

专题命中 工作流自动化 ：agentic(title,abstract)；AI agent(abstract)

AI总结 本文探讨自主AI在教育中自动化与学习之间的张力，基于六项教学原则提出设计建议，以确保AI支持而非取代人类学习。

Comments Accepted for publication at AIED 2026 - Festival of Learning HAI-Agency Workshop on Orchestrating Human and AI Agency for Proactive and Reflective Learning

MULTIBAT: Unified workflow for fast electrochemical 3D simulations of lithium-ion cells combining virtual stochastic microstructures, electrochemical degradation models and model order reduction

MULTIBAT：用于快速进行锂离子电池电化学3D模拟的统一工作流程，结合虚拟随机微结构、电化学退化模型和模型降阶方法

Julian Feinauer, Simon Hein, Stephan Rave, Sebastian Schmidt, Daniel Westhoff, Jochen Zausch, Oleg Iliev, Arnulf Latz, Mario Ohlberger, Volker Schmidt

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本文提出了一种高效研究三维锂离子电极微结构与电化学性能相互作用的工作流程，重点在于锂沉积。通过参数随机模型生成三维多孔电极微结构，减少对断层成像的依赖，并整合了考虑锂沉积和剥离的微观3D空间解析物理模型，采用模型降阶方法解决复杂模型和大规模微结构带来的计算挑战，从而实现更高效的锂离子电池开发。

An Agent-Based Approach for Optimizing Modular Vehicle Fleet Operation

基于代理的模块化车辆车队优化方法

Xingyu Li, Bogdan I. Epureanu

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出了一种针对高度模块化军事车辆车队的基于代理的方法，研究了模块化在不同任务场景中的可行性与灵活性，并通过比较模块化车队与传统车队的性能，展示了模块化在降低资源消耗和提升准备度方面的优势。

Comments We want to withdraw this paper. There are some inappropriate explanations of the results, and bad figure presentation

Dynamic programming approach to principal-agent problems

动态规划方法用于委托-代理问题

Jakša Cvitanić, Dylan Possamaï, Nizar Touzi

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出利用动态规划方法解决有限时间 horizon 的委托-代理问题，通过构建最优契约并证明其等效性，将非零和随机微分博弈转化为可由控制理论工具解决的控制问题。

An agent behavior based model for diffusion price processes with application to phase transition and oscillations

基于代理行为的扩散价格过程模型及其在相变和振荡中的应用

Christof Henkel

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出一个基于代理行为的微观模型，用于描述扩散价格过程，探讨了行为与价格动态的联系，并展示了群体行为如何导致价格过程的相变和振荡。

Learning Agent for a Heat-Pump Thermostat With a Set-Back Strategy Using Model-Free Reinforcement Learning

具有回退策略的热泵 thermostat 的学习代理使用模型无关强化学习

Frederik Ruelens, Sandro Iacovella, Bert J. Claessens, Ronnie Belmans

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出一种基于模型无关强化学习的热泵 thermostat 学习代理，采用回退策略优化能源消耗，通过自编码器和批量强化学习技术解决建筑热特性描述缺失和状态信息不可测的挑战。

Comments Submitted to Energies - MDPI.com

Nonlocal flocking dynamics: Learning the fractional order of PDEs from particle simulations

非局部聚群动力学：从粒子模拟中学习PDE的分数阶次

Zhiping Mao, Zhen Li, George Em Karniadakis

专题命中 工作流自动化 ：agent(summary_cn,abstract)

AI总结 本文研究了非局部聚群动力学，通过粒子模拟学习PDE的分数阶次，将离散的agent模型与连续的fPDE模型连接起来，展示了如何从粒子轨迹中提取有效的非局部影响函数。

Comments 22 pages, 7 figures

Journal ref Commun. Appl. Math. Comput. 2019, 1: 597-619

UModel: An Agent-Ready Observability Data Modeling Method at Scale

UModel: 一种面向智能体的可观测性数据规模化建模方法

Changhua Pei, Zheyuan Li, Zexin Wang, Hang Cui, Xiaohui Nie, Qi Zhou, Fang Situ, Cheng Zhang, Xin Zhang, Xidao Wen, Gaogang Xie, Jingjing Li, Dan Pei

专题命中 工作流自动化 ：agent(title)；分类 cs.SE

AI总结 针对现有可观测性框架数据孤岛、模式不兼容及语义元数据不足导致根因分析困难的问题，提出UModel统一本体框架，通过对象中心化建模和语义图连接异构数据，并引入U-SPL管道查询接口，使智能体自主探索系统拓扑并关联多模态数据，在AIOps 2025挑战赛数据集上根因定位精度提升8%，已在阿里云部署超一年，服务数万用户，支撑每秒数百万操作和亚秒级查询延迟。

From Prompt to Process: a Process Taxonomy and Comparative Assessment of Frameworks Supporting AI Software Development Agents

从提示到流程：支持AI软件开发智能体的框架流程分类与比较评估

Sanderson Oliveira de Macedo

机构 * Federal Institute of Goias（戈亚斯联邦理工学院） 纠错

专题命中 工作流自动化 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.SE

AI总结 提出六维流程分类法，对六个AI软件开发框架进行评分比较，揭示流程深度与可移植性之间的结构性权衡。

AgentDS Technical Report: Benchmarking the Future of Human-AI Collaboration in Domain-Specific Data Science

AgentDS技术报告：领域特定数据科学中人机协作的未来基准测试

An Luo, Jin Du, Xun Xian, Robert Specht, Fangqiao Tian, Ganghua Wang, Xuan Bi, Charles Fleming, Ashish Kundu, Jayanth Srinivasa, Mingyi Hong, Rui Zhang, Tianxi Li, Galin Jones, Jie Ding

机构 * School of Statistics, University of Minnesota（明尼苏达大学统计学系） ； AIScientists, Inc.（AIScientists公司） ； Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Carlson School of Management, University of Minnesota（明尼苏达大学卡尔森管理学院） ； Cisco Research（思科研究） ； Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Division of Computational Health Sciences, University of Minnesota（明尼苏达大学计算健康科学 division） 纠错

专题命中 工作流自动化 ：AI agent(abstract)；workflow(abstract)；分类 cs.AI、cs.LG

AI总结 提出AgentDS基准测试和竞赛，通过17个跨行业挑战评估AI代理及人机协作在领域特定数据科学中的表现，发现AI代理在领域推理上存在不足，人机协作优于纯AI方法。

Corruption-free scheme of entering into contract: mathematical model

无腐败合同进入方案：数学模型

Oleg Malafeyev, Olga Koroleva, Dmitriy Prusskiy, Olga Zenovich

专题命中 工作流自动化 ：agent(abstract,abstract_cn)

AI总结 本文提出合同签订中腐败问题的数学模型，分析腐败成因及影响，设计无腐败的资源分配方案，并通过数值示例验证最优行为。

Be Fair! Can Machine Learning Engineering Agents Adhere to Fairness Constraints?

公平吗？机器学习工程代理能否遵守公平性约束？

Anna Richter, Julia Stoyanovich, Sebastian Schelter

机构 * BIFOLD & TU Berlin（BIFOLD与柏林技术大学） ； New York University（纽约大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文研究机器学习工程代理在自动化ML管道开发中能否满足公平性约束，通过黑色素瘤分类实验发现代理生成的管道在预测质量和公平性上均低于人工基线。