AI Agent

Noise Pollution and Household Sustainability: An Economic Approach

噪声污染与家庭可持续性：一种经济方法

Yi Fan

专题命中 规划决策 ：planning(abstract)

AI总结 研究从家庭视角探讨噪声污染经济影响，涵盖来源、测量、后果及计量方法，介绍常用数据和方法，指出其对政策及研究的贡献，还提及未来可在噪声污染环境不公正及欠发达国家相关方面深入研究。

Journal ref Oxford Research Encyclopedia of Economics and Finance, 2025

Masked Visual Actions for Unified World Modeling

用于统一世界建模的掩码视觉动作

Hadi Alzayer, Wenlong Huang, Haonan Chen, Christopher Luey, Lvmin Zhang, Maneesh Agrawala, Gordon Wetzstein, Li Fei-Fei, Yilun Du, Jiajun Wu, Jia-Bin Huang

机构 * Stanford University（斯坦福大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； Harvard University（哈佛大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究如何将动作传达给视频模型用于机器人世界建模，提出掩码视觉动作这一像素空间控制接口，经微调后单个检查点在多场景和实施例中表现出色，在下游操作中能辅助策略评估、改进决策和支持逆建模。

Comments Project webpage: https://masked-visual-actions.github.io

STL-GCS: A Planner-Controller Framework for Signal Temporal Logic via Graphs of Time-varying Convex Sets

STL-GCS：一种基于时变凸集图的信号时序逻辑规划器-控制器框架

Nicola De Carli, Gregorio Marchesini, Dimos V. Dimarogonas

专题命中 规划决策 ：planning(abstract)

AI总结 提出用于满足凸谓词上STL规范的统一轨迹规划与控制框架，规划层将任务编码为时变凸集，结合GCS框架并由B样条参数化轨迹，控制层据此设计反馈控制器，通过仿真和实际实验验证了该方法。

Stochastic Capacity Accreditation: Incentivizing Resource Adequacy under Weather Uncertainty

随机容量认证：在天气不确定性下激励资源充足性

Hangrui Liu, Shen Wang, Audun Botterud, Miguel F. Anjos

专题命中 规划决策 ：planning(abstract)

AI总结 研究高比例可变可再生能源带来的资源充足性挑战，提出两阶段随机优化框架用于容量认证，通过对比不同方法及量化影响，表明纳入天气不确定性能产生更可靠投资信号，凸显考虑天气不确定性在容量认证和规划中的重要性。

Comments 10 pages, 4 figures

STeP: Signal Temporal Logic for Precise Specifications for Action Generation with Vision Language Models

STeP：用于视觉语言模型动作生成精确规范的信号时序逻辑

Kasra Torshizi, Anukriti Singh, Sidharth Mathur, Khuzema Habib, Leo Du, Pratap Tokekar

机构 * University of Maryland（马里兰大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对视觉语言动作模型缺乏可解释性及难以遵循精确自然语言指令的问题，提出用信号时序逻辑（STL）连接高级语言理解与低级机器人执行的分层框架，经实验验证该框架能提高语言条件下机器人规划的精度、可靠性和可解释性。

Comments 14 pages, 6 figures

Integrity-Gated Eco-CACC: Epistemic Admissibility for Cooperative Driving at Signalized Intersections

完整性门控生态协同自适应巡航控制：信号交叉口协同驾驶的认知可容许性

Lyes Saad Saoud, Moussa Ayyash

机构 * Chicago State University（芝加哥州立大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究信号交叉口Eco-CACC系统，提出完整性门控框架，结合多种因素构建统一完整性度量调节控制权，仿真表明其在模型一致时保持效率，完整性下降时能早期保守响应，解决现有方法在传感等问题下的不足。

Metamodel-based methodology for uncertainty propagation and global sensitivity analysis of tailings dam-breach flows

基于元模型的尾矿坝溃坝水流不确定性传播和全局敏感性分析方法

Yuri Taglieri Sáo, Geraldo de Freitas Maciel, Julian Cardoso Eleutério

专题命中 规划决策 ：planning(abstract)

AI总结 针对尾矿坝溃坝分析受多种不确定性影响的问题，提出集成不确定性量化和全局敏感性分析的概率方法，通过降维和元建模解决相关难题，经实验量化不确定性、表征分布并确定变量影响，其框架可支持更标准化和风险评估。

CR-Solver: GPU-Accelerated Kinematics Solver for Tendon-driven Continuum Robots

CR-Solver：用于腱驱动连续体机器人的GPU加速运动学求解器

Heqing Yang, Yang Yi, Linqing Zhong, Linjiang Huang, Si Liu

机构 * Beihang University（北京航空航天大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对连续体机器人运动规划问题，提出CR-Solver求解器，它基于优化框架统一逆运动学等，利用GPU加速并行优化，在三项任务验证中比传统CPU求解器显著加速，成功率超95%精度达毫米级，且用纯Python实现，为高性能运动规划提供基础。

Comments IROS 2026

The Algorithmic Geometry of Decompression Schedules

迈向减压计划的最优控制与算法结构

Benjamin Marsh

专题命中 规划决策 ：planning(abstract)

AI总结 本文将减压计划建模为最优控制问题，探讨了气体可行性窗口、仿射上限和凸惩罚等要素，提出了非光滑驻留时间KKT条件，并给出了有限停止网格下的动态规划和标签设定方法。

Improving ecological inference and uncertainty quantification from camera trap data through the fusion of AI confidences and manual annotations

通过融合AI置信度和人工标注提升相机陷阱数据的生态推断与不确定性量化

Adira Cohen, Erin M. Schliep, Roland Kays, Mohammad Alyetama, Matthew Snider

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出一种新的贝叶斯分层数据融合模型，结合人工标注和AI预测，提升相机陷阱数据的推断和预测能力，并通过模拟研究和白尾鹿体况分析展示其在生态推断中的优势。

Comments 45 pages, 8 figures

Guide, Think, Act: Interactive Embodied Reasoning in Vision-Language-Action Models

引导、思考、行动：面向视觉-语言-动作模型的交互式具身推理

Yiran Ling, Qing Lian, Jinghang Li, Qing Jiang, Tianming Zhang, Xiaoke Jiang, Chuanxiu Liu, Jie Liu, Lei Zhang

机构 * Futian Laboratory（福田实验室） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； International Digital Economy Academy (IDEA)（国际数字经济学院（IDEA）） ； School of Robotics, Hunan University（湖南大学机器人学院） ； South China University of Technology（华南理工大学） ； Visincept（Visincept公司） ； National Key Laboratory of Smart Farm Technologies and Systems（智能农业技术与系统国家重点实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出GTA-VLA框架，通过允许用户用显式视觉提示引导机器人策略，实现空间可调节的具身推理。该框架整合了外部指导与内部任务规划，提升了在视觉歧义和错误恢复中的表现。

Towards Full Candidate Interaction: A Comprehensive Comparison Network for Better Route Recommendation

迈向完整候选交互：一种全面比较网络用于更好的路线推荐

Hanyu Guo, Chao Chen, Longfei Xu, Chengzhang Wang, Kaikui Liu, Xiangxiang Chu

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出全面比较网络（CCN）用于改进路线推荐，通过比较非重叠段构建特征，解决路线推荐中的独特挑战，并在AMAP中成功部署。

Comments Accepted by the ACM Conference on Recommender Systems 2026 (RecSys '26), Industry Track

The $k$-flip Ising game

k 翻转伊辛博弈

Aleksandr Kovalenko, Andrey Leonidov

专题命中 规划决策 ：agent(abstract)

AI总结 研究伊辛博弈中多个智能体同时决策的差异，分析完全图上伊辛型系统部分并行离散时间动力学，通过解析计算转移矩阵及相关矩，探讨亚稳态衰减的 k 依赖性及 k_min 处最小值成因。

Comments 34 pages, 15 figures

vop_poc_nz: A Python Framework for Distributional Cost-Effectiveness and Value of Perspective Analysis

vop_poc_nz：用于分布成本效益和视角价值分析的Python框架

Dylan A Mordaunt

专题命中 规划决策 ：workflow(abstract)

AI总结 介绍用于分布成本效益等分析的Python包vop_poc_nz，定义视角价值为定向预期机会损失，通过五个合成模型验证软件工作流程，给出戒烟和住房隔热的视角价值估计，版本0.2.3支持特定Python版本并利于可重复分析。

Comments 14 pages, 5 figures. Software release 0.2.3

Scaling Cross-Embodiment World Models for Dexterous Manipulation

为灵巧操作扩展跨实体世界模型

Zihao He, Bo Ai, Tongzhou Mu, Yulin Liu, Weikang Wan, Jiawei Fu, Yilun Du, Henrik I. Christensen, Hao Su

机构 * UC San Diego（UC圣迭戈大学） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hillbot 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究跨实体学习中不同形态机器人数据共享和控制转移问题，提出将人类和机器人手表示为3D粒子集，在随机交互数据上训练基于图的世界模型并与模型预测控制集成，实验表明该方法能提高泛化能力、有效结合数据并实现不同机器人手的控制。

Comments Accepted to IROS 2026, Project Page: https://alan-heoooh.github.io/dexwm.html

PyPose: A Library for Robot Learning with Physics-based Optimization

PyPose：一个结合物理优化的机器人学习库

Chen Wang, Dasong Gao, Kuan Xu, Junyi Geng, Yaoyu Hu, Yuheng Qiu, Bowen Li, Fan Yang, Brady Moon, Abhinav Pandey, Aryan, Jiahe Xu, Tianhao Wu, Haonan He, Daning Huang, Zhongqiang Ren, Shibo Zhao, Taimeng Fu, Pranay Reddy, Xiao Lin, Wenshan Wang, Jingnan Shi, Rajat Talak, Kun Cao, Yi Du, Han Wang, Huai Yu, Shanzhao Wang, Siyu Chen, Ananth Kashyap, Rohan Bandaru, Karthik Dantu, Jiajun Wu, Lihua Xie, Luca Carlone, Marco Hutter, Sebastian Scherer

专题命中 规划决策 ：planning(abstract)

AI总结 PyPose结合深度感知模型与物理优化，提供高效的机器人学习库，实现计算速度提升超过10倍，适用于SLAM、规划、控制等任务。

Comments Project Website: https://pypose.org Documentation: https://pypose.org/docs/ Tutorial: https://pypose.org/tutorials/ Source code: https://github.com/pypose/pypose

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023

RF-Agent: A Practical Framework for Building Language Agents for RFIC Design

RF-Agent：用于构建射频集成电路设计语言代理的实用框架

Yueqi Xing, Houbo He, Jolie Wang, Erin Ni, Shikai Wang, Qiufeng Li, Weidong Cao, Taiyun Chi

机构 * Rice University（莱斯大学） ； The George Washington University（乔治·华盛顿大学） 纠错

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

AI总结 针对大语言模型在射频电路设计应用受限问题，提出RF-Agent框架，通过教科书驱动知识蒸馏创建数据集及基准，研究监督微调与检索增强生成策略，发现特定领域SFT对中小模型提升大，语义检索的RAG表现最佳，为相关工作提供基础。

Comments Accepted at ICLAD (IEEE International Conference on LLM-Aided Design), 2026

MechAInistic: An LLM-guided Multi-Agent System for Reasoning over Genome-Scale Constraint-Based Metabolic Models

MechAInistic：一种由大语言模型引导的多智能体系统，用于基于基因组规模的约束代谢模型进行推理

Josh Loecker, Narayna Puraja, William Bryan, Bhanwar Lal Puniya, Ahmed Abdeen Hamed, Tomáš Helikar

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

AI总结 研究旨在降低基于约束的代谢建模使用门槛，开发了MechAInistic多智能体系统，借助大语言模型，围绕特定模式将自然语言问题转化为可执行工作流程，通过两个免疫细胞代谢模型用例验证，能生成可追溯的治疗假设。

Comments 23 pages, 6 figures,

Semantic Cooperative Games for Contribution Attribution in LLM-Based Multi-Agent Systems

基于大语言模型的多智能体系统中用于贡献归因的语义合作博弈

Pengyi Jiang, Xiaoguang Zhu, Quanyan Zhu

机构 * New York University（纽约大学） ； University of California, Davis（加利福尼亚大学戴维斯分校） 纠错

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

AI总结 针对基于大语言模型的多智能体系统贡献归因问题，提出语义合作博弈框架，定义语义夏普利值，介绍单轨迹算法SLIC，在特定基准测试中大幅降低计算成本，在多角色工作流程中表现良好，为复杂系统提供快速、无反事实且可解释的归因方法。

FinSAgent: Corpus-Aligned Multi-Agent RAG Framework for Evidence-Grounded SEC Filing Question Answering

FinSAgent：用于基于证据的美国证券交易委员会文件问答的语料库对齐多智能体框架

Jijun Chi, Zhenghan Tai, Hanwei Wu, Tung Sum Thomas Kwok, Hailin He, Zixing Liao, Bohuai Xiao, Chaolong Jiang, Jianliang Lei, Jerry Huang, Peng Lu, Muzhi Li, Liheng Ma, Yihong Wu, Sicheng Lyu, Jingrui Tian, Yihan Li, Yanzhang Ma, Sizhe Guan, Dingtao Hu, Yufei Cui, Ling Zhou, Lei Ding, Xinyu Wang

机构 * 1SimpleWay.AI 2McGill University 3University of Toronto 4University of California, Los Angeles 5The Chinese University of Hong Kong 6University of Manitoba 7Universit\'e de Montr\'eal 8Boston University 9Mila - Quebec AI Institute 10CG Matrix Technology Limited 11Lakehead University 12McMaster University 纠错

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

AI总结 研究针对美国证券交易委员会文件问答中模型与文件不匹配问题，提出FinSAgent框架，通过角色专用智能体、数据库感知查询分解及多路径检索等方法，提升检索覆盖和答案正确性，在离线和在线实验中均优于基线。

Comments 20 pages, 14 figures, 9 tables

Multi$^2$: Hierarchical Multi-Agent Decision-Making with LLM-Based Agents in Interactive Environments

Multi$^2$：基于LLM智能体在交互环境中的分层多智能体决策

Sangeun Park, Minhae Kwon

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 提出Multi$^2$分层多智能体决策框架，通过高层智能体（System 1）使用监督微调生成子目标，低层智能体（System 2）使用离线到在线强化学习执行原子动作，以缓解目标漂移并实现长期稳定控制。

Comments Accepted at ICML 2026

Strategizing at Speed: A Learned Model Predictive Game for Multi-Agent Drone Racing

高速策略化：多无人机竞速的学习型模型预测博弈

Andrei-Carlo Papuc, Lasse Peters, Sihao Sun, Laura Ferranti, Javier Alonso-Mora

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学） 纠错

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

AI总结 针对多无人机竞速中策略深度与计算延迟的权衡问题，提出一种学习型模型预测博弈（LMPG）方法，通过摊销模型预测博弈计算来降低延迟，在仿真和硬件实验中优于模型预测博弈和模型预测控制。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9056-9063, Aug. 2026

Assistax: A Multi-Agent Hardware-Accelerated Reinforcement Learning Benchmark for Assistive Robotics

Assistax: 一个用于辅助机器人的多智能体硬件加速强化学习基准

Leonard Hinckeldey, Elliot Fosong, Rimvydas Rubavicius, Elle Miller, Trevor McInroe, Fan Zhang, Patricia Wollstadt, Stefano V. Albrecht, Subramanian Ramamoorthy

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 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 提出Assistax基准，利用JAX硬件加速和基于多智能体强化学习的辅助机器人任务，实现高达370倍加速，并测试机器人的零样本协调能力。

Comments Accepted at the Reinforcement Learning Conference 2026

Strategy-Following Multi-Agent Deep Reinforcement Learning Considering Control Strategies Provided to Other Agents

考虑提供给其他智能体的控制策略的策略跟随多智能体深度强化学习

Yamato Takahagi, Gentoku Nakasone, Yoshinari Motokawa, Toshiharu Sugawara

机构 * Department of Computer Science and Communications Engineering（计算机科学与通信工程系） ； Waseda University（早稻田大学） 纠错

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

AI总结 研究提出多智能体系统学习方法，能让智能体通过人类指令控制，未接指令的智能体可基于其他智能体行动补充工作。该方法扩展了可控性研究，实验表明使用此方法的智能体性能优于传统方法，能转向更好的合作结构。

Comments 8 pages, 14 figures, 24th IEEE/WIC International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT 2025)

Comparative Study of Multi-Agent Actor-Critic Algorithms in Parameterized Action Reinforcement Learning

参数化动作强化学习中多智能体演员-评论家算法的比较研究

Ubayd Ali Bapoo, Clement N Nyirenda

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

AI总结 研究参数化动作强化学习中多智能体演员-评论家算法，提出共享经验多智能体扩展框架，通过在特定基准上评估，发现多智能体框架提升贪婪演员-评论家性能，多智能体软演员-评论家等提升较小，还揭示了智能体数量增加时性能与计算成本的权衡。

Comments 9 pages, 2 figures

TraceDev: A Traceability-Driven Multi-agent Framework for Requirement-to-Code Development

TraceDev：一种用于需求到代码开发的可追溯性驱动的多智能体框架

Mingyu Chen, Yakun Zhang, Zihao Xie, Yixing Luo, Jinrui Xu, Cuiyun Gao, Kaiqi Zhao, Yunming Ye

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

AI总结 针对现有方法在自然语言需求到代码转换中存在的不足，提出TraceDev多智能体框架，通过五个特定角色智能体及可追溯性图，实现自动化软件开发，在两个数据集上的评估结果证明了其在需求到代码生成上的有效性。

Comments Accepted by ISSTA 2026

Decentralized Multi-agent Reinforcement Learning for Resilient Critical Infrastructures

用于弹性关键基础设施的去中心化多智能体强化学习

Minghui Ding, Evangelos Pournaras

机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； School of Energy Systems, LUT University（卢特大学能源系统学院） 纠错

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

AI总结 研究用于弹性关键基础设施的去中心化多智能体强化学习，基于对其特性与基础设施要求的分析，指出信用分配和通信是实际可行的核心条件，提出包含结构、因果、弹性感知信用分配及相关通信等的研究议程，为弹性关键基础设施构建有条件的基础。

Comments Accepted at the 2026 IEEE International Conference on Autonomic Computing and Self-Organizing Systems (ACSOS 2026)

When Agents Disagree: The Selection Bottleneck in Multi-Agent LLM Pipelines

当代理人意见不一致：多代理LLM流水线中的选择瓶颈

Artem Maryanskyy, Dmitry Budnikov, Alibek T. Kaliyev

机构 * Uber 纠错

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

AI总结 本文研究多代理LLM流水线中团队多样性对输出质量的影响，提出选择瓶颈概念，通过数学公式确定多样性帮助或损害的临界点，并通过实验验证选择机制的重要性。

Comments v2: Updated author list to match the published version. Published in Applied Sciences (MDPI) 2026, DOI: 10.3390/app1010000

Multi-Agent Inverted Transformer for Flight Trajectory Prediction

多智能体倒置变换器用于飞行轨迹预测

Seokbin Yoon, Keumjin Lee

机构 * Department of Air Transport, Transportation, and Logistics, Korea Aerospace University（航空运输与物流系，韩国航空航天大学） 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MAIFormer，一种多智能体倒置变换器，用于预测飞行轨迹，通过双注意力模块提升预测精度与可解释性。

Comments 11 pages, 8 figures, accepted for IEEE Transactions on Intelligent Transportation System

Journal ref IEEE Transactions on Intelligent Transportation Systems, 2026, pp. 1-11

How network perturbations distort agreement trajectories in LTI multi-agent systems

网络扰动如何扭曲线性时不变多智能体系统中的一致性轨迹

Gal Barkai, Irinel-Constantin Morărescu

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

AI总结 研究网络扰动对线性时不变多智能体系统一致性轨迹的影响，通过建立拉普拉斯域准则等方法，揭示经典鲁棒同步存在漏洞，如同步到周期轨迹易被传输延迟破坏，d正则拓扑下传输扰动会使系统同步到新频率，强调需对网络参考生成器进行结构修改。

Comments 12 pages, 9 figures, submitted to IEEE for possible publication