Collaborative Visual Navigation
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. GUI与网页智能体 2955 篇
DataClaw0: Agentic Tailoring Multimodal Data from Raw Streams
DataClaw0: 从原始流中智能定制多模态数据
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Tsinghua University（清华大学）
专题命中 GUI与网页智能体 ：agentic(title)；分类 cs.AI、cs.LG
AI总结 提出DataClaw0模型，通过两阶段流水线将生成语义合成锚定于确定性事实锚点，结合SFT与GRPO实现复杂数据精炼意图的对齐，首个数据精炼基准验证其高效性。
Comments add base model: Qwen3.5-27B
DigitalCoach: Communication and Grounding Gaps in Human and Agentic Computer Use Coaching
DigitalCoach：人类与智能体计算机使用辅导中的沟通与基础差距
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑工业大学）
专题命中 GUI与网页智能体 ：agentic(title)；分类 cs.AI、cs.CL
AI总结 提出DigitalCoach数据集，包含72次人机辅导会话，评估模型在计算机使用教学中的表现，发现模型在解释、错误诊断和视觉基础方面存在不足。
MobileGym: A Verifiable and Highly Parallel Simulation Platform for Mobile GUI Agent Research
MobileGym: 一个可验证且高度并行的移动GUI智能体研究仿真平台
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 GUI与网页智能体 ：agent(title)；分类 cs.AI、cs.CL
AI总结 提出MobileGym，一个基于浏览器的轻量级、完全可控的移动环境，通过结构化JSON状态实现可验证结果信号和低成本并行强化学习，并附带包含416个参数化任务模板的基准测试集。
Comments Project page: https://mobilegym.github.io
Prune4Web: DOM Tree Pruning Programming for Web Agent
Prune4Web: 面向Web代理的DOM树剪枝编程
专题命中 GUI与网页智能体 ：agent(title)；分类 cs.AI、cs.CL
AI总结 Prune4Web通过DOM树剪枝编程提升Web自动化精度，实现25-50倍候选元素减少，显著提高接地任务准确性至88.28%。
Comments Paper accepted to AAAI 2026
Grounded GUI Understanding for Vision-Based Spatial Intelligent Agent: Exemplified by Extended Reality Apps
机构 * The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Southern University of Science and Technology（南方科技大学） ； The Hong Kong University of Science and Technology（香港科学大学）
专题命中 GUI与网页智能体 ：agent(title)；分类 cs.AI、cs.SE
TGPO: Tree-Guided Preference Optimization for Robust Web Agent Reinforcement Learning
机构 * East China Normal University（东华大学） ； Alibaba Group（阿里巴巴集团） ； University of Electronic Science and Technology of China（电子科技大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学）
专题命中 GUI与网页智能体 ：agent(title)；分类 cs.AI、cs.LG
OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Oxford（牛津大学） ； Hong Kong University of Science and Technology（香港科技大学）
专题命中 GUI与网页智能体 ：agent(title)；分类 cs.AI、cs.CL
Comments ACL 2025 Camera Ready
sudo rm -rf agentic_security
机构 * Aim Intelligence ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学）
专题命中 GUI与网页智能体 ：agentic(title)；分类 cs.AI、cs.CL
Comments Accepted ACL 2025 Industry track
AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation
专题命中 GUI与网页智能体 ：agent(title)；分类 cs.AI、cs.CL
Comments 19 pages, 4 figures, 18 tables. Accepted to EMNLP 2024
Evaluating Collaborative and Autonomous Agents in Data-Stream-Supported Coordination of Mobile Crowdsourcing
专题命中 GUI与网页智能体 ：autonomous agent(title)；分类 cs.AI、cs.LG
Journal ref Sensors 2023, 23(2), 614
Topological Planning with Transformers for Vision-and-Language Navigation
专题命中 GUI与网页智能体 ：planning(title)；分类 cs.AI、cs.CL
6G: From Connectivity Infrastructure to Guaranteed Digital Services
6G：从连接基础设施到有保障的数字服务
专题命中 GUI与网页智能体 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)
AI总结 研究6G网络转折点问题，提出重新排列控制优先等五个优先事项的观点，通过控制契约、保障经济、网络MCP平台及标准化阐述等成果实践该观点，并给出三阶段路线图区分标准与部署目标等。
Comments Submitted to IEEE Access (Manuscript ID: Access-2026-37371). 29 pages, 20 figures, 92 references
Self-navigation in crowds: An invariant set-based approach
人群中的自主导航：基于不变集的方法
机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出了一种基于不变集的自主导航方法，通过输入受限反馈控制器和规划策略，实现非协调拥挤环境中安全快速的多智能体导航。
On Feedback Speed Control for a Planar Tracking
平面跟踪中的反馈速度控制
机构 * Department of Mechanical and Aerospace Engineering, University of South Florida（南佛罗里达大学机械与航空航天工程系）
专题命中 GUI与网页智能体 ：agent(summary_cn,abstract)
AI总结 针对领航-跟随平面跟踪问题，提出一种反馈速度控制律与恒定方位角转向策略，实现并排编队并证明渐近稳定性，扩展至N-agent链网络。
Syll: Open-Source Personal Automation with Cross-Surface Execution
Syll: 开源个人自动化与跨界面执行
机构 * Adobe Systems Inc.（Adobe系统公司） ； Stardew Valley（《星露谷物语》） ； macOS ； University of Science and Technology of China（中国科学技术大学）
专题命中 GUI与网页智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 提出开源多模态智能体框架Syll，通过统一API、CLI和GUI控制，支持用户演示教学和可审计执行，实现跨界面个人自动化。
Comments Code: https://github.com/THU-SAGE/syll
Web Agents Should Adopt the Plan-Then-Execute Paradigm
网络代理应采用计划-然后执行范式
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 本文提出网络代理应默认采用计划-然后执行范式，而非ReAct架构。该范式通过预先制定任务特定程序，避免运行时网页内容的干扰，提升安全性和效率。
AutoGUI-v2: A Comprehensive Multi-Modal GUI Functionality Understanding Benchmark
AutoGUI-v2：一个全面的多模态GUI功能理解基准
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； New Laboratory of Pattern Recognition（模式识别新实验室） ； State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Hong Kong Institute of Science & Innovation（香港科学创新研究院） ； PolyU ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 GUI与网页智能体 ：agent(abstract,abstract_cn)；autonomous agent(abstract)
AI总结 AutoGUI-v2通过多平台截图递归解析生成多样化任务，评估深度GUI功能理解和交互预测能力，揭示VLMs在功能接地与描述上的差异及复杂交互逻辑的挑战。
Comments Technical Report
VLAA-GUI: Knowing When to Stop, Recover, and Search, A Modular Framework for GUI Automation
VLAA-GUI: 知何时停止、恢复和搜索，一个用于GUI自动化模块化框架
机构 * UC Santa Cruz ； CMU（卡内基梅隆大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Salesforce ； UC Berkeley（伯克利加州大学）
专题命中 GUI与网页智能体 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 VLAA-GUI通过模块化框架解决GUI代理的早期停止和重复循环问题，引入完整性验证器、循环打破器和搜索代理，提升自动化性能。
Comments The first two authors contribute equally
Vision-and-Language Navigation for UAVs: Progress, Challenges, and a Research Roadmap
面向无人机的视觉与语言导航：进展、挑战与研究路线图
机构 * Autel Robotics, Shenzhen, China（大疆创新，深圳，中国） ； School of Intelligent Software and Engineering, Nanjing University, Nanjing, China（南京大学智能软件与工程学院，南京，中国） ； School of Computer, Data & Information Sciences, University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机、数据与信息科学学院，麦迪逊，WI，美国） ； Southern University of Science and Technology, Shenzhen, China（南方科技大学，深圳，中国） ； The University of Hong Kong, Hong Kong SAR, China（香港大学，香港特别行政区，中国） ； School of Software and Microelectronics, Peking University, Beijing, China（北京大学软件与微电子学院，北京，中国）
专题命中 GUI与网页智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 本文综述了无人机视觉与语言导航领域，分析了从早期模块化方法到基于大模型的智能系统的发展，探讨了现实部署中的挑战，并提出了未来研究方向。
GUI-CEval: A Hierarchical and Comprehensive Chinese Benchmark for Mobile GUI Agents
GUI-CEval: 一种用于移动GUI代理的分层和全面的中文基准
机构 * HyperAI Team, Xiaomi Corporation（HyperAI团队，小米公司）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出GUI-CEval，首个针对中文移动GUI代理的全面基准，涵盖201款主流应用，通过分层结构评估感知、规划、反思、执行和评估五方面能力，验证模型在真实交互中的表现。
Comments accepted by CVPR 2026
SERN: Bandwidth-Adaptive Cross-Reality Synchronization for Simulation-Enhanced Robot Navigation
SERN：带宽自适应的跨现实同步用于模拟增强的机器人导航
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 SERN通过高保真虚拟双胞胎与物理机器人紧密耦合，实现跨现实同步，提升多机器人在对抗环境中的导航性能，减少延迟并提高可靠性。
Deadlock-Free Hybrid RL-MAPF Framework for Zero-Shot Multi-Robot Navigation
无死锁的混合式RL-MAPF框架用于零样本多机器人导航
机构 * Department of Mechanical Engineering University of California Riverside CA USA（加州大学河滨分校机械工程系） ； Department of Electrical and Systems Engineering Washington University in St. Louis MO USA（华盛顿大学圣路易斯分校电气与系统工程系）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出一种无死锁的混合RL-MAPF框架，通过整合反应性RL导航与按需MAPF干预，实现零样本多机器人导航的鲁棒性能。
Comments 18 pages (including appendix), 3 figures. Project page (videos, animations, additional resources): https://wanghaoyi518.github.io/rl-mapf-project-page/
DigiData: Training and Evaluating General-Purpose Mobile Control Agents
机构 * FAIR at Meta（Meta 的 FAIR 研究组） ； Meta Reality Labs（Meta 现实实验室） ； University of Southern California（南加州大学）
专题命中 GUI与网页智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.CL、cs.LG
Comments Website: https://facebookresearch.github.io/DigiData
Collision avoidance and path finding in a robotic mobile fulfillment system using multi-objective meta-heuristics
机构 * Department of Industrial Engineering, Clemson University（工业工程系，克莱姆森大学）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
UIPro: Unleashing Superior Interaction Capability For GUI Agents
机构 * University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； New Laboratory of Pattern Recognition (NLPR), CASIA（中国科学院自动化所模式识别新实验室） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), CASIA（中国科学院多模态人工智能系统国家重点实验室） ； Hong Kong Institute of Science & Innovation, CASIA（中国科学院香港创新科学研究院） ； PolyU ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)
Comments Accepted to ICCV 2025
OS Agents: A Survey on MLLM-based Agents for General Computing Devices Use
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； OPPO AI Center（OPPO AI中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG
Comments ACL 2025 (Oral)
Opinion-Driven Decision-Making for Multi-Robot Navigation through Narrow Corridors
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
A Framework for Semantics-based Situational Awareness during Mobile Robot Deployments
专题命中 GUI与网页智能体 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)
GUI-Bee: Align GUI Action Grounding to Novel Environments via Autonomous Exploration
专题命中 GUI与网页智能体 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL、cs.LG
