AI Agent

Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna

基于机载激光雷达的单木分割：分水岭算法与区域生长法的对比——以博洛尼亚城市区域为例

Aldo Canfora, Tommaso Rondini, Matteo Falcioni, Mirko Degli Esposti

专题命中 规划决策 ：planning(abstract)

AI总结 该研究以博洛尼亚城市区域为案例，对比分水岭算法与区域生长法对机载LiDAR点云的单木分割效果，提取植被指标并构建交互式地图，为城市绿化规划提供可扩展基础。

Comments 26 pages, 21 figures

RemiAssist: A Therapist-Supporting System for Photo-Based Reminiscence Therapy in Dementia Care

RemiAssist：一种用于痴呆症护理中基于照片的回忆疗法的治疗师支持系统

Shuchang Xu, Minglong Tang, Junyan Mao, Xiaofu Jin, Wazeer Zulfikar, Yasith Samaradivakara, Jiayi Zhou, Huamin Qu, Yuling Sun, Pattie Maes

专题命中 规划决策 ：planning(abstract)

AI总结 针对痴呆症护理中基于照片的回忆疗法忽视治疗师作用的问题，RemiAssist系统利用记忆图和情境感知引导策略，辅助治疗师进行规划与引导，提高了规划效率和对话时长，为个性化回忆疗法提供支持。

Comments Accepted to UIST 2026

Scalable No-Stockout Charging Scheduling for Battery Swapping Under Time-of-Use Prices

分时电价下电池更换的可扩展无缺货充电调度

Eunbin Cho, Junki Cho, Hakjin Lee, Jaehoon Sim, Junghoon Seo

专题命中 规划决策 ：planning(abstract)

AI总结 研究分时电价下电池更换的无缺货充电调度问题，提出基于电池的混合整数线性规划及简化形式，设计价格引导的启发式算法，在综合缩放研究及商业站交换记录回放中验证算法有效性，大幅降低充电能源成本。

The GIST Korea Test System: A Public-Data Synthetic Model of the Korean Power Grid

GIST 2064节点测试系统：韩国电网的公开数据合成模型

Yun-Su Kim

专题命中 规划决策 ：planning(abstract)

AI总结 基于公开数据构建韩国电网2064节点合成模型，采用多源最短路径重组OpenStreetMap电力层布局，校准线路长度至国家统计值，并验证了潮流收敛性。

Comments 14 pages, 5 figures, 5 tables

TiPToP: A Modular Open-Vocabulary Robot Manipulation System That Plans

TiPToP：一种用于机器人操作的模块化开放式词汇规划系统

William Shen, Nishanth Kumar, Sahit Chintalapudi, Ryan Lindeborg, Jie Wang, Christopher Watson, Edward Hu, Jing Cao, Dinesh Jayaraman, Leslie Pack Kaelbling, Tomás Lozano-Pérez

专题命中 规划决策 ：planning(abstract)

AI总结 TiPToP是一种模块化开放式词汇规划系统，结合预训练视觉模型与任务规划器，通过自然语言指令和RGB图像直接解决多步骤操作任务，实现实时高效的操作规划。

Comments Project website: https://tiptop-robot.github.io

Nonlinear Predictive Control of the Continuum and Hybrid Dynamics of a Suspended Deformable Cable for Aerial Pick and Place

非线性预测控制用于悬吊可变形电缆的连续和混合动力学用于空中拾取与放置

Antonio Rapuano, Yaolei Shen, Federico Califano, Chiara Gabellieri, Antonio Franchi

机构 * Department of Computer, Control and Management Engineering, Sapienza University of Rome（计算机、控制与管理工程系，罗马萨皮恩扎大学） ； Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science (EEMCS) Faculty, University of Twente（机器人与机电系，电气工程、数学与计算机科学（EEMCS） faculty，特文特大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种结合高保真模型和降阶模型的非线性预测控制框架，用于实现无人机携带悬吊柔性电缆的实时动态控制。

Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Visibility-Aware Cooperative Tracking with Decentralized LiDAR-Based Aerial Swarms

具有视觉意识的协同空中跟踪与基于去中心化激光雷达的群体

Longji Yin, Yunfan Ren, Fangcheng Zhu, Liuyu Shi, Fanze Kong, Benxu Tang, Wenyi Liu, Ximin Lyu, Fu Zhang

机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； School of Intelligent System Engineering, Sun Yat-sen University（中山大学智能系统工程学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于去中心化激光雷达的群体协同跟踪框架，通过SSDF度量和电势启发分布度量，实现复杂环境中的可视化目标跟踪与动态群体重构。

Recurrent visitations reveal selectivity beyond the 15-Minute City vision

递归访问揭示15分钟城市愿景中人类移动的悖论

Xiuning Zhang, Alexei Poliakov, Henrikki Tenkanen, Elsa Arcaute

专题命中 规划决策 ：planning(abstract)

AI总结 研究通过K-访问框架揭示15分钟城市框架中人类移动行为的悖论，发现接近与重复行为不一致，且对专门功能的远距离出行及本地主义的社会影响具有空间依赖性。

PolygMap: A Perceptive Locomotion Framework for Humanoid Robot Stair Climbing

PolygMap：用于人形机器人爬楼梯的感知式运动框架

Bingquan Li, Ning Wang, Zhicheng He, Yucong Wu, Tianwei Zhang

机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院） ； Electronic science and technology, Guangdong University of Technology（广东技术大学电子科学与技术学院） ； Leju robotics（乐居机器人） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出PolygMap框架，通过多传感器融合构建多边形楼梯平面语义地图，在NVIDIA Orin上实现20-30Hz全身运动规划，经真实场景实验验证可高效鲁棒地完成人形机器人爬楼梯任务。

Comments Accepted by ICRA 2026

Invisible Servoing: a Visual Servoing Approach with Return-Conditioned Latent Diffusion

Bishoy Gerges, Barbara Bazzana, Nicolò Botteghi, Youssef Aboudorra, Antonio Franchi

机构 * Robotics and Mechatronics group, Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente（特文特大学机器人与机电组，电气工程、数学与计算机科学学院） ； Department of Applied Mathematics, University of Twente（特文特大学应用数学系） ； Department of Computer, Control and Management Engineering, Sapienza University of Rome（罗马萨皮恩扎大学计算机、控制与管理工程系） 纠错

专题命中 规划决策 ：planning(abstract)

Journal ref 2025 International Conference on Unmanned Aircraft Systems (ICUAS)

Multi-Agent Debate Strategies: Survey, Taxonomy, and Challenges

多智能体辩论策略：综述、分类与挑战

Quim Motger, Marc Oriol, Jordi Marco, Xavier Franch

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

AI总结 本文通过对141项多智能体辩论研究的系统综述，提出三维分类法，揭示领域默认采用狭窄设计模式的问题，将分类法定位为研究图谱与基准框架，未来拟形式化为可执行规范以优化辩论配置。

Comments Under review at ACM Computing Surveys

UrbanDS: A Graph-Guided LLM Multi-Agent System for Data-Intensive Urban Tasks

UrbanDS：一种用于数据密集型城市任务的图引导大语言模型多智能体系统

Zhilun Zhou, Jianghao Yu, Yuming Lin, yongjun yang, Sun Yongquan, Depeng Jin, Yong Li

机构 * Tsinghua University（清华大学） ； Jiangmen Municipal Smart Social Governance Technology Innovation Center（江门市智慧社会治理技术创新中心） 纠错

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

AI总结 本研究针对数据密集型城市任务中现有LLM智能体依赖有限数据集的问题，提出图引导多智能体系统UrbanDS，构建基准UrbanDS-Bench验证其性能，该系统已在武汉东西湖城市平台落地应用。

AdaMARP: An Adaptive Multi-Agent Interaction Framework for General Immersive Role-Playing

AdaMARP: 一种自适应多智能体交互框架用于通用沉浸式角色扮演

Zhenhua Xu, Dongsheng Chen, Shuo Wang, Jian Li, Chengjie Wang, Meng Han, Yabiao Wang

机构 * Zhejiang University（浙江大学） ； Tencent Youtu Lab（腾讯优图实验室） 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 AdaMARP提出了一种自适应多智能体交互框架，通过沉浸式信息格式和显式场景管理器提升角色扮演的沉浸感和适应性，实验表明其在角色一致性、环境基础性和场景转换等方面优于现有系统。

Comments ACL2026 Findings

Two Calls Beat Five Agents: Evaluating Multi-Agent Pipelines Against Self-Refinement for Local Language Models

两次调用胜过五个智能体：针对本地语言模型的多智能体流水线与自我优化的评估

Ashish Prajapati, Om Mohite

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

AI总结 本研究对比多智能体流水线与自我优化方法，发现针对本地7B模型，两次调用自我优化在GSM8K表现更优且令牌用量低，经任务感知重设计后在HumanEval也能维持高准确率，简单方法优于多智能体架构。

Do Latent Channels Actually Communicate? A Causal Audit of Latent Multi-Agent LLM

隐通道真的在通信吗？隐式多智能体大语言模型的因果审计

Huixiang Zhang, Mahzabeen Emu

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

AI总结 本研究针对隐式多智能体LLM提出因果审计方法，通过受控消息替换揭示隐式通信的作用机制，发现不同规模Qwen模型在不同数据集上的隐式消息效应存在差异，证明总准确率无法反映隐式消息的实际影响。

MultiFixer: A Coordinator-Proposer Based Multi-Agent Framework For Fixing Multi-Hunk Bugs

MultiFixer：一种用于修复多块漏洞的基于协调者-提议者的多智能体框架

Haichuan Hu, Chunrong Fang, Ye Shang, Jiawei Liu, Weifeng Sun, Guoqing Xie, Chenxing Zhong, Quanjun Zhang

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

AI总结 该研究针对现有LLM-based APR方法难以修复多块漏洞的问题，提出MultiFixer多智能体框架，经多基准测试，其在Defects4J等数据集上达到最优修复效果，能有效修复多块漏洞。

Comments Accepted to 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Learning Implicit Causal World Models from Multi-Agent Demonstrations

从多智能体演示中学习隐式因果世界模型

Jasorsi Ghosh

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

AI总结 该研究针对多智能体系统中世界模型因相关性与因果机制混淆导致分布偏移下失效的问题，提出隐式因果世界模型，经评估在协调任务上表现出可解释因果表示且精度随干预强度提升。

Comments Preprint

(EC)2: Event-Centric Explainability for Cybersecurity Through Multi-Agent LLM Investigations

(EC)2：基于多智能体大语言模型调查的网络安全以事件为中心的可解释性

Neta Kirmayer, David Tayouri, Andrés Murillo, Motoyoshi Sekiya, Asaf Shabtai, Rami Puzis

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

AI总结 该研究提出多智能体框架(EC)2，为中小型企业网络的网络安全警报提供基于可验证证据的以事件为中心的可解释性，可提升检测后分析效果与事件分类准确率。

Comments 21 pages

Even More Deception: Objective Misalignment in Mixed-Motive LLM Multi-Agent Systems

更严重的欺骗：混合动机大型语言模型多智能体系统中的目标不一致

Marylou Fauchard, Florian Carichon, Margarida Carvalho, Golnoosh Farnadi

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

AI总结 该研究以《狼人杀》为框架，分析LLM多智能体的目标不一致问题，发现其会破坏对抗环境结果且在公开行为中难察觉，凸显需缓解策略。

Comments Accepted at AIWILD@ICLR 2026

Linguistic Firewall: Geometry as Defense in Multi-Agent Systems Routing

语言防火墙：多智能体系统路由中的几何防御

Dvir Alsheich, Adar Peleg, Ben Hagag, Rom Himelstein, Amit Levi, Avi Mendelson

机构 * Dvir Alsheich ； Adar Peleg ； Ben Hagag ； Rom Himelstein ； Amit Levi ； Avi Mendelson 纠错

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

AI总结 提出ANTAP架构，通过主动能力测试替代间接代理，将性能蒸馏为语义空间中的行为算子，实现非文本代数投影路由，有效防御描述注入和嵌入攻击。

Comments 8 pages (9 more for appendix), 3 figures. Published at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026

The Capability Paradox: How Smarter Auditors Make Multi-Agent Systems Less Secure

能力悖论：更聪明的审计员如何使多智能体系统更不安全

Qiqi Liu, Runhan Song, Shilin Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； Henan Yinzhu Safety Technology Co., Ltd.（河南亿众安全技术有限公司） ； Harbin Institute of Technology, Faculty of Computing（哈尔滨工业大学计算机学院） 纠错

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

AI总结 本文研究了多智能体系统中，随着工人能力的提升，系统级攻击成功率反而上升的现象，揭示了语言确定性在攻击传播中的作用，并提出异质性集成验证作为解决方案，以降低攻击成功率。

Comments 28 pages, 6 figures

Before Agents Speak: Pre-hoc Failure Risk Inference in Multi-Agent Systems

智能体交流前：多智能体系统中的事前失败风险推断

Shi Lin, Chenpei Wang, Peng Qian, Dezhang Kong, Minghao Li, Yufeng Li, Xun Wang

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

AI总结 本研究针对多智能体系统中幻觉级联失败的问题，提出事前风险推断框架HalluProp，通过建模内在幻觉风险与传播机制实现早期诊断，性能优于事后方法，可提升系统可靠性。

EditDuet: A Multi-Agent System for Video Non-Linear Editing

Marcelo Sandoval-Castaneda, Bryan Russell, Josef Sivic, Gregory Shakhnarovich, Fabian Caba Heilbron

机构 * Adobe ； Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University（捷克信息学、机器人学与自动化技术研究所，捷克技术大学） 纠错

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

Comments SIGGRAPH 2025

Journal ref SIGGRAPH Conference Papers '25, Article 2, 1-11, ACM, 2025

PLATO: Pointer Learner for Agent and Task Openness

PLATO：用于智能体和任务开放性的指针学习者

Alireza Saleh Abadi, Leen-Kiat Soh, Daniel Alan Redder, Adam Eck, Prashant Doshi

机构 * University of Nebraska-Lincoln（内布拉斯加大学林肯分校） ； University of Georgia（佐治亚大学） ； Oberlin College（欧柏林学院） 纠错

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

AI总结 研究开放智能体系统中智能体和任务开放性带来的多智能体强化学习挑战，提出基于指针网络的PLATO方法，结合集中式GNN评论家，在无界状态和动作空间下训练，在野火抑制领域评估中性能优于现有基线。

Designing Pairwise-Stable Agent Seating Arrangements

设计成对稳定的智能体座位安排

Frederik Glitzner

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

AI总结 该研究针对多智能体系统的座位安排问题，将目标图设为可设计对象，提出灵活框架设计近似最优目标图及成对稳定安排，明确了易处理性等界限并关联经典计算问题。

When Should AI Follow? Task Structure and Joint Adaptation by Human and AI Agents

将AI-人类协作建模为多智能体适应

Prothit Sen, Sai Mihir Jakkaraju

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

AI总结 本研究通过多智能体模型探讨了AI与人类协作的机制，发现任务结构对协作效果影响更大，揭示了互补性与任务分解的重要性。

Model-Driven Requirements Configuration with Three-Valued Uncertainty Scoring

基于三值不确定性评分的模型驱动需求配置

Ahmed Ibrahim

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

AI总结 该研究提出神经符号多智能体架构结合三值评分框架，消除LLM生成需求的结构不一致性，在37个项目愿景中实现94.6%的结构一致性消除，为LLM在需求工程中的安全部署提供支持。

How memory can affect collective and cooperative behaviors in an LLM-Based Social Particle Swarm

记忆如何影响基于LLM的社会粒子群中的集体和合作行为

Taisei Hishiki, Takaya Arita, Reiji Suzuki

机构 * Graduate School of Informatics（信息学研究生院） 纠错

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

AI总结 研究探讨了大型语言模型代理的内部对齐特性如何影响记忆对其集体和合作动态的影响。通过将社会粒子群模型中的规则代理替换为具有大五人格特质和不同记忆长度的LLM代理，发现记忆长度是决定集体行为的关键参数，且不同模型对记忆的解读影响合作结果。

Comments 11 pages, 4 figures and 2 tables

The Human Utility Factor: A Computable Welfare Metric That Reframes AI Governance as a Constrained Optimisation Problem

人类效用因子：一种可计算的福利度量，将AI治理重新构建为约束优化问题

Sivasathivel Kandasamy

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

AI总结 研究提出人类效用因子（HUF）这一可计算福利度量，将AI治理转化为约束优化问题，经多智能体强化学习评估，发现需明确约束再分配以避免高自动化均衡损害社会目标。

AgentMap: Joint Equivalence and Subsumption Discovery for Ontology Matching

AgentMap：用于本体匹配的联合等价与包含关系发现

Yiping Song, Jiaoyan Chen, Renate Schmidt, Hui Yang, Wen Zhang

机构 * The University of Manchester（曼彻斯特大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出统一等价与包含发现的混合本体匹配任务，构建基于LLM的多智能体框架AgentMap，在三类设置下的本体匹配任务中均取得优异性能。

Comments 21 pages, 5 figures