AI Agent

SlideAgent: Hierarchical Agentic Framework for Multi-Page Visual Document Understanding

SlideAgent：用于多页视觉文档理解的分层代理框架

Yiqiao Jin, Rachneet Kaur, Zhen Zeng, Sumitra Ganesh, Srijan Kumar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； J.P. Morgan AI Research（摩根大通AI研究） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL

AI总结 提出SlideAgent，一种用于多模态多页文档（如幻灯片）理解的分层代理框架，通过全局、页面和元素三级推理构建结构化表示，在专有和开源模型上分别提升7.9%和9.8%的准确率。

Comments ACL 2026 Main Conference. https://slideagent.github.io/

PhotoAgent: Exploratory Visual Aesthetic Planning with Large Vision Models

PhotoAgent: 带探索性视觉审美规划的代理照片编辑

Mingde Yao, Zhiyuan You, King-Man Tam, Menglu Wang, Tianfan Xue

机构 * MMLab, CUHK（CUHK媒体实验室） ； Shanghai AI Lab（上海AI实验室） ； USTC（中国科学技术大学） ； Institute of Science Tokyo（东京科学研究所） ； CPII under InnoHK（创新香港下的CPII） 纠错

专题命中 规划决策 ：planning(title,abstract)；agent(comments)

AI总结 PhotoAgent通过探索性视觉审美规划实现自主照片编辑，无需用户逐步提示，提升图像质量和指令遵循度。

Comments ICML 2026 Oral. A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/

RePlan: Reasoning-guided Region Planning for Complex Instruction-based Image Editing

RePlan：基于推理的复杂基于指令的图像编辑区域规划

Tianyuan Qu, Lei Ke, Xiaohang Zhan, Longxiang Tang, Yuqi Liu, Bohao Peng, Bei Yu, Dong Yu, Jiaya Jia

机构 * Tencent AI Lab（腾讯人工智能实验室） ； CUHK（香港中文大学） ； HKUST（香港科技大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。

Comments [ECCV2026] Precise multi-region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io

Recursive Synthesis for Long-Horizon Terminal Tasks

长视界终端任务的递归合成

Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang

机构 * Tencent HY LLM Frontier（腾讯HY大模型前沿团队） ； University of Georgia（佐治亚大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； Indiana University（印第安纳大学） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 规划决策 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出RST递归合成框架，低成本规模化生成3.7万余个长视界终端任务，经微调或PPO优化后，多款Qwen模型在多个终端基准任务上性能显著提升，且递归过程无明显上限。

Plans Work in Mysterious Ways: Evaluating a Plan Mode for Spreadsheet Agents

计划以神秘的方式起作用：评估电子表格代理的计划模式

Aayush Kumar, Avik Dutta, Sumit Gulwani, Gustavo Soares, Advait Sarkar, Emerson Murphy-Hill

专题命中 规划决策 ：agent(abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI、cs.SE

AI总结 研究电子表格代理计划模式，构建原型并通过用户研究与非计划基线评估，发现虽任务结果相似，但计划模式可减少优化，提升用户对工具在创造力支持和人机协作方面的感知，探讨了对计划模式设计及人机规划的影响。

Comments Accepted at IEEE VL/HCC 2026

From Actions to Understanding: Conformal Interpretability of Temporal Concepts in LLM Agents

从行为到理解：LLM代理中时间概念的符合可解释性

Trilok Padhi, Ramneet Kaur, Krishiv Agarwal, Adam D. Cobb, Daniel Elenius, Manoj Acharya, Colin Samplawski, Alexander M. Berenbeim, Nathaniel D. Bastian, Susmit Jha, Ugur Kursuncu, Anirban Roy

机构 * Georgia State University（佐治亚州立大学） ； Computer Science Lab, SRI（SRI计算机科学实验室） ； Army Cyber Institute（陆军网络学院） ； United States Military Academy（美国军事学院） ； University of Florida（佛罗里达大学） 纠错

专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出通过符合视角解释LLM代理时间概念演变的框架，结合逐步奖励建模与符合预测，识别时间概念的潜在方向，实验表明这些概念可线性分离，为LLM代理提供可靠故障检测和干预方法。

Comments Accepted at the Mechanistic Interpretability Workshop, 43rd International Conference on Machine Learning, Seoul, South Korea, 2026

PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives

PlayWorld：基于智能体玩家的长程目标世界模型基准测试

Kaixin Ding, Xi Chen, Minghong Cai, Zhiyuan Xu, Yiyang Wang, Yuxiang Lu, Junyi Li, Shuyang Chen, Yuan Gao, Xin Tao, Pengfei Wan, Hengshuang Zhao

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技） 纠错

专题命中 规划决策 ：agent(title,abstract)

AI总结 该研究针对现有世界模型跨模型公平比较的难题，推出含171个场景的PlayWorld基准，通过多模态智能体玩家从多维度评估9种先进世界模型，发现其长程交互式目标表现仍不可靠。

Comments project page: this https URL (https://kxding.github.io/project/PlayWorld/)

ActFER: Agentic Facial Expression Recognition via Active Tool-Augmented Visual Reasoning

ActFER: 通过主动工具增强的视觉推理实现代理面部表情识别

Shifeng Liu, Zhengye Zhang, Sirui Zhao, Xinglong Mao, Zhehan Kan, Zhixiang Wei, Shiwei Wu, Chaoyou Fu, Tong Xu, Enhong Chen

专题命中 规划决策 ：agentic(title,abstract)

AI总结 ActFER通过主动视觉证据获取和多模态推理提升面部表情识别，采用UC-GRPO算法优化局部检查和情绪感知，实验显示其在AU预测准确率上显著优于传统方法。

Comments 10 pages, 7 figures

NaLA: A 3D Native LLM Layout Agent for High-quality 3D Scene Generation

NaLA: 一种用于高质量3D场景生成的原生3D LLM布局代理

Cheng Wan, Yongsen Mao, Wenzheng Wu, Yuxuan Xie, Chucheng Xiang, Runze Wang, Xiang Zhang, Zhongyuan Liu, Rushi Dai, Yuan Liu

专题命中 规划决策 ：agent(title,abstract)

AI总结 提出NaLA，一种原生3D LLM布局代理，通过直接编码3D边界和资产到LLM中，采用粗到细预测机制，解决文本-3D模态差距导致的布局不合理问题，在生成质量和推理效率上优于现有方法。

Comments Accepted to ECCV 2026. Project page: https://adamcwan.github.io/NaLA/. Code: https://github.com/adamcwan/NaLA-code

VIScore: Diagnosing Planning-Relevant Quality in Latent World Models

VIScore：诊断潜在世界模型中与规划相关的质量

Haiyu Wu, Randall Balestriero, Morgan Levine

机构 * Altos Labs（阿尔托斯实验室） ； Brown University（布朗大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对潜在世界模型规划成功率与潜在空间属性脱节的问题，提出VIScore指标，覆盖编码器、预测器、规划器，在跨任务场景下斯皮尔曼相关性超0.75，可更好解释规划成功率。

Towards Tighter Convex Relaxation of Mixed-Integer Programs: Leveraging Logic Network Flow for Task and Motion Planning

混合整数规划的更紧凸松弛：利用逻辑网络流进行任务与运动规划

Xuan Lin, Jiming Ren, Yandong Luo, Weijun Xie, Ye Zhao

机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, USA（乔治亚理工学院机械工程学院） ； Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, USA（乔治亚理工学院工业与系统工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出逻辑网络流框架，将时序逻辑集成到混合整数规划中，通过改进的傅里叶-莫茨金消元实现更紧的凸松弛，在多类机器人任务中大幅提升计算速度并降低内存消耗，硬件验证了实时重规划能力。

Comments 38 pages, 17 figures, 10 tables

Hierarchical Fast-Slow ReAct Agent for Zero-Shot Object-Goal Navigation

用于零样本物体目标导航的分层快慢ReAct智能体

Zhaochen Lan, Zhi Yang, Yuxiang Fu, Mengxiang Lin

专题命中 规划决策 ：agent(title,abstract)

AI总结 该研究针对零样本物体目标导航，提出分层快慢ReAct智能体，结合价值图控制器与坐标锚定记忆及VLM，在HM3D、MP3D验证集上取得零样本方法最高成功率，远前沿审议可提升性能。

Comments 11 pages, 6 figures

MPPI Planning with Gaussian-Based Human Cost Function for Social Navigation

基于高斯人类代价函数的MPPI规划用于社交导航

Chinmay Mundane

机构 * VJTI（维杰拉吉·鲁勒学院（VJTI）） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对普通MPPI规划低估动态场景风险的问题，提出PGIF方法，结合高斯排斥场实现0%碰撞率，同时保持实时规划性能，适用于社交导航。

Comments Will appear in Springer's Proceedings in Advanced Robotics series

Sampling-Based Visibility Task Planning

基于采样的可视性任务规划

Stav Ashur, Avishai Sintov

机构 * School of Mechanical Engineering, Tel-Aviv University（特拉维夫大学机械工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文针对视觉传感器等可视性设备，提出VisPRM和VisRRT两种新型采样TAMP算法，经仿真与物理实验验证，其成功率和运行效率优于RRT、PRM等适配算法。

Comments Accepted to IEEE RA-L

Enhancing Rolling Horizon Production Planning Through Stochastic Optimization Evaluated by Means of Simulation

通过仿真评估的随机优化方法增强滚动时域生产计划

Manuel Schlenkrich, Wolfgang Seiringer, Klaus Altendorfer, Sophie N. Parragh

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究将场景随机规划融入滚动时域框架，经仿真对比发现，无缓冲高拥堵环境中随机优化比MRP降本最多68%，引入安全库存后确定性优化占优，为生产计划管理提供了见解。

Optimizing Trajectory-Trees in Belief Space: An Application from Model Predictive Control to Task and Motion Planning

在信念空间中优化轨迹树：从模型预测控制到任务与运动规划的应用

Camille Phiquepal, Marc Toussaint

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对部分可观测机器人规划问题，提出PO-MPC、D-AuLa算法及PO-LGP规划器，分别应用于MPC和TAMP，提升了规划性能并实现了问题规模的扩展。

Comments 42 pages

Improving Operational Feasibility in Large-Scale Power System Planning

提升大规模电力系统规划的操作可行性

Gereon Recht, Oussama Alaya, Benedikt Jahn, Karl-Kiên Cao, Hendrik Lens

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出通过重新调度和增强初始解来解决大规模交流扩容问题，考虑了发电机、无功补偿设备、储能系统和传输的同步扩展，并通过启动程序和电源能力曲线等约束确保操作可行性。

Degradation-Aware Lifecycle Planning of Microgrids with Second-Life Batteries through Reliability-Guided Refinement

利用退役电池规划未来微电网：一种考虑退化的迭代优化框架

Hassan Zahid Butt, Xingpeng Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种考虑退化的迭代优化框架，用于长期微电网规划，整合光伏效率衰减、电池容量和效率退化以及退役电池特性，通过多年优化模型和逐年验证模型评估可靠性，减少停电风险并降低成本。

Knowing When to Ask: Resolving Uncertainty in Human-Robot Joint Planning via Explicit Dialogue and Implicit Intent Cues

不确定性缓解与意图推断：一种双模式人机联合规划系统

Zeyu Fang, Yuxin Lin, Cheng Liu, Beomyeol Yu, Zeyuan Yang, Rongqian Chen, Taeyoung Lee, Mahdi Imani, Tian Lan

机构 * Department of Electrical and Computer Engineering, George Washington University（电气与计算机工程系，乔治华盛顿大学） ； Department of Mechanical and Aerospace Engineering, George Washington University（机械与航空航天工程系，乔治华盛顿大学） ； Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双模式人机联合规划系统，通过缓解不确定性与推断意图，提升人机协作效率。

Risk-Averse Power System Resilience Planning Under AI Data Center Demand Growth Using a Two-Stage DRO-CVaR MILP Optimization

一种用于管理AI/数据中心需求冲击的双阶段风险厌恶DRO-MILP方法论框架

Sharaf K. Magableh, Caisheng Wang, Oraib Dawaghreh, Xuesong Wang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双阶段风险厌恶DRO-MILP框架，用于管理AI驱动数据中心需求冲击，通过优化柔性容量模块的预分配和事后调度，提升电力系统韧性。

Comments Accepted for publication in the proceedings of the 58th North American Power Symposium (NAPS 2026)

GeminiPainter's sequence-formed pipeline comprised of perception, cognition, planning, and action stages

GeminiPainter的序列式流程由感知、认知、规划和行动阶段组成

Miguel Altamirano Cabrera, Aleksey Fedoseev, Iana Zhura, Dzmitry Tsetserukou

机构 * Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究提出自主机器人肖像生成系统，整合多技术实现绘画，经实验获用户高分评价，产出可识别且具吸引力的机器人肖像。

Beyond Simply Environment Scaling: Designing Effective Environment Distributions for Multimodal Agent Learning

超越单纯的环境规模扩展：为多模态智能体学习设计有效的环境分布

Kejian Zhu, Zhuoran Jin, Dongqi Huang, Hongbang Yuan, Yupu Hao, Kang Liu, Jun Zhao

专题命中 规划决策 ：agent(title,abstract)

AI总结 该研究针对多模态智能体学习中单纯扩展环境数量无效的问题，提出AES与HDC两种方法优化环境分布，提升了智能体训练效果。

Comments Code: https://github.com/GaryStack/Beyond-MMEnv-Scaling

P-ARC: Exploiting Subproblem Independence for Parallel Multi-Robot Motion Planning

P-ARC：利用子问题独立性实现并行多机器人运动规划

James D. Motes, Marco Morales, Nancy M. Amato

机构 * Parasol Lab, School of Computing and Data Science, University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校计算与数据科学学院Parasol实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出P-ARC并行算法，通过并行化ARC的三个阶段并采用OR并行多启动策略，在多机器人运动规划中实现近4倍加速。

Geometry-Aware Sampling-Based Motion Planning on Riemannian Manifolds

基于几何感知的黎曼流形上运动规划

Phone Thiha Kyaw, Jonathan Kelly

机构 * Institute for Aerospace Studies, University of Toronto（航空航天研究 institute，多伦多大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于采样的运动规划框架，直接在黎曼流形上操作，利用黎曼几何距离近似和自然梯度引导局部规划，实验证明其在非欧几里得几何下能生成更优轨迹。

Comments In Proceedings of the 17th World Symposium on the Algorithmic Foundations of Robotics (WAFR), Oulu, Finland, Jun 15-17, 2026

AegisTS: An Agent-Driven Hierarchical Reinforcement Learning System for Multivariate Time Series Data Cleaning

AegisTS: 一种基于强化学习的层次化智能体系统用于多变量时间序列数据清洗

Yuhan Shi, Yuanyuan Yao, Lu Chen, Mourad Khayati, Yushuai Li, Tianyi Li

专题命中 规划决策 ：agent(title,abstract)

AI总结 针对多变量时间序列中同时存在的多种质量问题，提出基于强化学习的层次化智能体系统AegisTS，通过联合优化问题处理顺序和清洗模型选择，实现无需真值的高效数据清洗。

LATTICE: Constraint-Directed Scheduling, Memory Planning, and Pipeline Refinement for NPUs

DAN调度器：通用NPUs调度、内存布局和流水线重叠的确定性三阶段协同优化

Runhao Liu, Minnan Pei, Fei Ding, Guangzhen Yao, You Li, Peng Xiao, Gang Li, Peng Zhang

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究针对通用NPUs，提出DAN-Scheduler框架，通过内存压力感知拓扑调度、确定性线性重新打包、关键路径增强三个阶段协同优化调度、内存布局和流水线重叠，在六个运算符级DAG上评估，相比基线有显著性能提升。

Graph Neural Planning and Predictive Control for Multi-Robot Communication-Constrained Unlabeled Motion Planning

基于图神经网络的多机器人通信受限的无标签运动规划与预测控制

Manohari Goarin, Yang Zhou, Giuseppe Loianno

机构 * New York University（纽约大学） ； University of California Berkeley（加州大学伯克利分校） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种分层框架，结合图注意力规划器和分布式非线性模型预测控制器，以解决多机器人在通信受限环境下同时分配目标和生成安全轨迹的问题，通过图神经网络方法实现可扩展的去中心化解决方案。

Comments 8 pages, 6 figures, Accepted at the IEEE International Conference on Robotics and Automation (ICRA) 2026

Optimization Under Uncertainty for Energy Infrastructure Planning: A Synthesis of Methods, Tools, and Open Challenges

在不确定性下优化能源基础设施规划：方法、工具和开放挑战的综合研究

Rahman Khorramfar, Aron Brenner, Lara Booth, Ana Rivera, Ruaridh Macdonald, Priya Donti, Saurabh Amin

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文综述了生成与传输扩展及不确定性优化的最新进展，探讨了不确定性建模需求，并分析了优化与机器学习的新兴方向，揭示了能源基础设施规划中的研究空白。

Any House Any Task: Scalable Long-Horizon Planning for Abstract Human Tasks

任何房屋任何任务：为抽象人类任务的可扩展长周期规划

Zhihong Liu, Yang Li, Rengming Huang, Cewu Lu, Panpan Cai

专题命中 规划决策 ：planning(title,abstract)

AI总结 AHAT是一种优化长周期规划的家庭任务规划器，通过结合LLM和TGPO算法，在复杂家庭任务中实现高效规划。

3D-CovDiffusion: 3D-Aware Diffusion Policy for Coverage Path Planning

3D-CovDiffusion：面向覆盖路径规划的三维感知扩散策略

Chenyuan Chen, Haoran Ding, Ran Ding, Tianyu Liu, Zewen He, Anqing Duan, Yoshihiko Nakamura

机构 * IEEE 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出 3D-CovDiffusion，将覆盖路径规划转化为条件序列生成问题，采用几何条件扩散框架从三维点云合成轨迹，相比基线方法在轨迹平滑度、覆盖率等指标上实现显著提升。