AI Agent

Pushing the Performance Limits in Autonomous Racing: Continuous Stability-Aware Adaptive Velocity Planning in Formula Student Driverless

推动自动驾驶赛车的性能极限：大学生方程式无人驾驶中的连续稳定性感知自适应速度规划

Tamara Bergerhoff, Sebastian Baader, Pascal Meißner, Frank Deinzer

机构 * Center for Artificial Intelligence and Robotics (CAIRO)（人工智能与机器人中心（CAIRO）；维尔茨堡-施韦因富特应用技术大学） ； TUAS Würzburg-Schweinfurt 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种连续稳定性感知自适应速度规划方法，通过推断连续缩放因子生成摩擦图，实现实时最优目标速度计算，在真实赛车上测试圈速提升35%。

Comments Accepted as a conference paper in IEEE Intelligent Vehicles Symposium (IV) 2026, Detroit, MI, United States

Journal ref 2026 IEEE Intelligent Vehicles Symposium (IV), 2026, pp. 795-801

The Open Motion Planning Library 2.0

开放运动规划库2.0

Weihang Guo, Theodoros Tyrovouzis, Emiliano Flores, Clayton W. Ramsey, Zachary K. Kingston, Ioan A. Şucan, Mark Moll, Lydia E. Kavraki

机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Waymo, LLC（Waymo公司） ； Metron, Inc.（Metron公司） ； Ken Kennedy Institute at Rice University（里士大学肯尼迪研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文介绍OMPL 2.0，通过硬件加速实现实时运动规划，并集成现代AI研究流程，总结了库与运动规划领域的共同发展及其对研究社区的影响。

Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness

基于微分平坦性的超快采样动力学规划

Thai Duong, Clayton W. Ramsey, Zachary Kingston, Wil Thomason, Lydia E. Kavraki

机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Ken Kennedy Institute（肯尼迪研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出FLASK框架，利用微分平坦性将运动规划问题从状态空间转换到平坦输出空间，通过并行计算实现快速、精确的动态可行性轨迹生成，适用于多种机器人系统。

Comments 20 pages, 10 figures, under review

LLM-Grounded Dynamic Task Planning with Hierarchical Temporal Logic for Human-Aware Multi-Robot Handover

基于分层时序逻辑的LLM引导动态任务规划用于人感知多机器人协作

Shuyuan Hu, Tao Lin, Kai Ye, 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） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong-Shenzhen（香港中文大学（深圳）） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际 Graduate School） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于分层时序逻辑的神经符号框架，实现动态任务规划以提升多机器人协作的效率和鲁棒性。

Comments Accepted by IROS 2026

Smart-TCP: An Agentic AI-based Autonomous and Adaptive TCP Protocol

Smart-TCP：基于智能体AI的自主自适应TCP协议

Yule Han, Kezhi Wang, Yizhe Zhao, Kun Yang

专题命中 规划决策 ：agentic(title,abstract)

AI总结 提出Smart-TCP框架，利用大/小语言模型与算术逻辑单元协同决策，实现TCP控制逻辑的自适应，实验显示高精度与全生命周期成功率。

Comments Submitted for possible journal publication

Recognition Without Mitigation: Ethical Frameworks in Autonomous Offensive-LLM Agent Research

自主渗透测试代理研究中的伦理声明

Andreas Happe, Jürgen Cito

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文分析利用大语言模型进行进攻性安全研究的论文，探讨伦理考量的表达与合理性，揭示学术社区在创新与伦理责任之间的平衡现状。

Comments Accepted at AutonomousCyber 2026

Multi-Objective Kinodynamic Motion Planning with Asymptotic Pareto Optimality

具有渐近帕累托最优性的多目标运动动力学运动规划

Yusif Razzaq, Anne Theurkauf, Nisar Ahmed, Morteza Lahijanian

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对运动动力学约束下系统的多目标运动规划挑战，提出基于稳定稀疏RRT算法的统一框架，衍生出三种算法分别用于字典序最小化、约束优化和帕累托前沿逼近，提供理论保证并经实证评估验证有效性。

Coverage Path Planning for Holonomic UAVs via Uniaxial-Feasible, Gap-Severity Guided Decomposition

通过单轴可行、间隙严重性引导分解的完整无人机覆盖路径规划

Pedro Antonio Alarcon Granadeno, Jane Cleland-Huang

机构 * University of Notre Dame（内布拉斯加大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对完整无人机在应急响应中覆盖路径规划面临的问题，提出用递归双轴单调性标准及累积间隙严重性度量引导切割的分解策略，搭配全局优化器，降低路径长度和完成时间开销，优于其他15种CPP管道。

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

Ace! Motion Planning of Professional-Level Table Tennis Serves with a Robot Arm

王牌！用机器人手臂进行专业水平乒乓球发球的运动规划

Guillem Torrente, Guilherme Jorge Maeda, Divij Grover, Megumu Tsukamoto, Hamdi Sahloul, Peter Dürr

机构 * Sony AI, Tokyo, Japan（索尼人工智能，东京，日本） ； Sony AI, Zürich, Switzerland（索尼人工智能，苏黎世，瑞士） ； Sony Group Corporation, Tokyo, Japan（索尼集团公司，东京，日本） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究乒乓球机器人发球问题，结合运动原语、模型预测控制和贝叶斯优化方法，实现符合官方规则发球，自旋高达550rad/s，速度达6.7m/s，表现与精英球员相当甚至更优。

Comments 8 pages, 4 figures

G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance

G2DP: 基于时空网格引导的扩散规划

Hang Yu, Ye Jin, Alessandro Canevaro, Julian Schmidt, Julian Jordan, Peizheng Li, Marc Kaufeld, Silvan Lindner, Johannes Betz, Wilhelm Stork

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； TU Munich（慕尼黑工业大学） ； University of Tübingen（图宾根大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对自动驾驶扩散规划器随机性导致的安全与路线保持问题，提出G2DP，通过可微时空代价体积在去噪过程中注入密集梯度，实现无碰撞与路径最优的轨迹生成，在nuPlan等基准上取得最优性能。

Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Bus Fleet Electrification Planning Through Logic-Based Benders Decomposition and Restriction Heuristics

通过逻辑-贝纳茨分解和限制启发式进行公交车队电气化规划

Robin Legault, Filipe Cabral, Xu Andy Sun

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种多期优化框架，结合逻辑-贝纳茨分解和限制启发式，用于公交车队电气化规划，实现高效决策和高质量解决方案。

DeepUrban: Interaction-Aware Trajectory Prediction and Planning for Automated Driving by Aerial Imagery

DeepUrban: 基于无人机影像的自动驾驶交互感知轨迹预测与规划

Constantin Selzer, Fabian B. Flohr

机构 * Department of Electrical Engineering and Information Technology, Intelligent Vehicles Lab (IVL), Munich University of Applied Science（电气工程与信息学院，智能车辆实验室（IVL），慕尼黑应用技术大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 DeepUrban通过无人机影像提供密集城市环境下的轨迹预测与规划数据集，提升自动驾驶系统在复杂交互场景中的预测精度。

Journal ref 2024 IEEE 27th International Conference on Intelligent Transportation Systems (ITSC), Edmonton, AB, Canada, 2024, pp. 221-227

A Unified Framework for Automated Assembly Sequence and Production Line Planning using Graph-based Optimization

基于图优化的自动化装配序列与生产线规划统一框架

Christoph Hartmann, Marios Demetriades, Kevin Prüfer, Zichen Zhang, Klaus Spindler, Stefan Weltge

机构 * Technical University of Munich, Chair of Metal Forming（慕尼黑技术大学金属成形与铸造系） ； Faurecia Emissions Control Technologies, Germany GmbH（德国法乌里亚排放控制技术公司） ； Technical University of Munich, Professorship for Discrete Mathematics（慕尼黑技术大学离散数学教授职位） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出PyCAALP框架，通过图优化方法实现自动化装配序列与生产线规划，结合启发式算法和混合整数规划，提升复杂装配规划效率。

Comments Code available at https://github.com/TUM-utg/PyCAALP

Identification of Technical Design Constraints and Considerations for Transmission Grid Expansion Planning Projects

输电网络扩展规划项目的技术设计约束识别与考量

Giacomo Bastianel, Clement Hardy, Nils Charels, Dirk Van Hertem, Hakan Ergun

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对可再生能源大规模部署所需的输电网络扩展规划项目，识别并分类相关技术设计约束与考量，涵盖七个关键领域，给出分层分类及领域间依赖性，为运营商和政策制定者提供规划投资的结构化基础。

Cognitive Dual-Process Planning for Autonomous Driving with Structured Scene Knowledge and Verifiable Reasoning-Action Consistency

基于结构化场景知识和可验证推理-行动一致性的自动驾驶认知双过程规划

Zhongyao Yang, Haoyu Li, Yu Yan, Zhuangxuan Yu, Jiangfeng Nan, Jinrui Nan

机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； National Engineering Research Center of Electric Vehicles, Beijing Institute of Technology（北京理工大学电动车辆国家工程研究中心） ； School of Mechanical Engineering, Southeast University（东南大学机械工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究自动驾驶高级规划问题，提出认知双过程规划框架，用S-CoT模式表示场景知识，通过自动数据引擎、视觉仲裁器及验证器实现自适应推理和规则验证，提升规划准确性、逻辑一致性并降低延迟，明确性能下降条件。

Unifying Decision-Making and Trajectory-Planning in Unsignalized Intersections Using Time-Varying Potential Fields

使用时变势场统一无信号交叉口自动驾驶车辆的决策与轨迹规划

David Costa, Francesco Cerrito, Massimo Canale, Carlo Novara

机构 * Dipartimento di Elettronica e Telecomunicazioni, Politecnico di Torino（电子工程与电信学院，托斯卡纳理工学院） ； Dipartimento di Automatica e Informatica, Politecnico di Torino（自动化与信息学院，托斯卡纳理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对无信号交叉口自动驾驶车辆，提出用有限时域最优控制问题结合时变人工势场的新框架统一决策与轨迹规划，利用短视运动预测等考虑潜在碰撞，仿真验证了该方法可生成可行安全参考轨迹。

Comments Published in the "2026 34th Mediterranean Conference on Control and Automation (MED)". v2 adds the final IEEE citation and DOI; technical content unchanged

Journal ref 2026 34th Mediterranean Conference on Control and Automation (MED), Ancona, Italy, 2026, pp. 251-256

Generalized k-Cell Decomposition for Visibility Planning in Polygons

多边形中用于可见性规划的广义 k 单元分解

Yeganeh Bahoo, Sajad Saeedi, Roni Sherman

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究多边形环境追逃问题，提出广义 k 单元分解方法，通过纳入特定可见性多边形扩展现有工作，构建分割线并证明正确性，实现可靠路径规划，为机器人监控开辟新途径，难点在于计算多边形和找分割线交点。

Comments Presented at the 32nd Annual Fall Workshop on Computational Geometry (FWCG 2025)

From Raw IDs to Semantic Planning: How Recommender Systems Utilize Information at Scale

从原始ID到语义规划：推荐系统如何大规模利用信息

Changhong Jin, Shiqiu Yang, Roger Zhe Li, Yingjie Niu, Aghiles Salah, Mete Sertkan, Zheng Ju, Xingsheng Guo, Huifeng Guo, Ruihai Dong, Barry Smyth

专题命中 规划决策 ：planning(title,abstract)

AI总结 探讨推荐系统如何利用信息，分析原始ID主导早期发展及语义信息封装于ID的原因，引入语义规划为未来方向，指出转变需在模型设计、评估及协调多方目标等方面做出改变。

PRO-SPECT: Probabilistically Safe Scalable Planning for Energy-Aware Coordinated UAV-UGV Teams in Stochastic Environments

PRO-SPECT：面向能量感知的协调无人机-无人地面车辆团队在随机环境中的概率安全可扩展规划

Roger Fowler, Cahit Ikbal Er, Benjamin Johnsenberg, Yasin Yazicioglu

机构 * Khoury Department of Computer Sciences at Northeastern University（东北大学Khoury计算机科学系） ； The Charles Stark Draper Laboratory, Inc.（查尔斯·斯塔克·德雷珀实验室公司） ； Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） ； Departments of Mechanical and Industrial Engineering and Electrical and Computer Engineering at Northeastern University（东北大学机械与工业工程系和电气与计算机工程系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出PRO-SPECT算法，用于在随机环境中实现无人机和无人地面车辆团队的能量感知规划，通过概率安全约束确保任务成功，支持离线和在线重新规划。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems 2026 (IROS 2026)

VersualRL: Closed-Loop Verbal Reinforcement Learning with Visual Execution Feedback for Task-Level Robot Planning

闭环言语强化学习用于任务级机器人规划

Dmitrii Plotnikov, Iaroslav Kolomiets, Dmitrii Maliukov, Dmitrij Kosenkov, Daniia Zinniatullina, Artem Trandofilov, Georgii Gazaryan, Kirill Bogatikov, Timofei Kozlov, Mikhail Konenkov, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（智能空间机器人实验室，斯克尔科夫科学与技术研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出闭环言语强化学习框架，通过大语言模型与视觉语言模型交互，在符号规划层迭代优化行为树，实现可解释的任务级规划与执行不确定性下的自适应。

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

GNN-DIP: Neural Corridor Selection for Decomposition-Based Motion Planning

GNN-DIP：基于分解的运动规划中的神经走廊选择

Peng Xie, Yanliang Huang, Wenyuan Wu, Amr Alanwar

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出GNN-DIP框架，通过结合图神经网络与分解引导规划器，解决狭长通道中路径搜索的效率瓶颈，实现高成功率和速度提升。

Journal ref Published to IROS 2026

Compositional Diffusion with Guided Search for Long-Horizon Planning

用于长期规划的带引导搜索的组合扩散

Utkarsh A Mishra, David He, Yongxin Chen, Danfei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究针对组合生成模型在局部分布多模态时的模式平均问题，提出带引导搜索的组合扩散方法（CDGS），通过特定采样、过滤和重采样解决问题，在机器人操作任务上表现出色且跨领域通用。

Comments 38 pages, 18 figures, ICLR 2026 ORAL

Rapid and Safe Trajectory Planning over Diverse Scenes through Diffusion Composition

通过扩散合成在多样场景中进行快速且安全的轨迹规划

Wule Mao, Zhouheng Li, Yunhao Luo, Fangguo Zhao, Lei Xie

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对动态环境规划难题，提出能量参数化扩散规划框架，结合轻量级安全过滤器和场景无关的数据生成管道，实现多样场景下快速安全规划，仿真与真实实验验证了其有效性、鲁棒性和适用性。

What is your Prior Worth? Effective Sample Size and Sample Size Planning for Gaussian Graphical Models

你的先验价值几何？高斯图模型的先验有效样本量与样本量规划

Giuseppe Arena, Lourens Waldorp, Maarten Marsman

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对高斯图模型（GGM）下Wishart和G-Wishart先验，提出先验有效样本量（ESS）估计方法，并基于此开发两种互补的样本量规划策略：数据-先验信息比（DPIR）和贝叶斯因子设计分析（BFDA）。

Can LLMs Prove Robotic Path Planning Optimality? A Benchmark for Research-Level Algorithm Verification

大语言模型能否证明机器人路径规划的最优性？一种用于研究级算法验证的基准测试

Zhengbang Yang, Md. Tasin Tazwar, Minghan Wei, Zhuangdi Zhu

机构 * George Mason University（乔治梅森大学） ； Florida Atlantic University（佛罗里达大西洋大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出首个评估大语言模型在机器人路径规划算法近似比证明能力的基准测试，包含34个研究级证明任务，揭示了LLM在缺乏领域知识时的局限性，并通过上下文补充分析改进推理质量。

Connectivity Maintenance and Recovery for Multi-Robot Motion Planning

多机器人运动规划中的连通性维持与恢复

Yutong Wang, Lishuo Pan, Yichun Qu, Tengxiang Wang, Nora Ayanian

机构 * Brown University（布朗大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于贝塞尔曲线的实时运动规划算法，用于多机器人系统中维持和恢复连通性，提升在障碍物环境中导航的成功率。

Comments 8 pages, 3 figures. To appear in the Proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026), Pittsburgh, PA, USA

Temporal Cascading of Planning and Control for Quadrotor MPC

四旋翼MPC的时间级联规划与控制

Rudolf Reiter, Chao Qin, Leonard Bauersfeld, Davide Scaramuzza

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究四旋翼空中任务规划与控制问题，提出UNIQUE架构，以时间级联取代分层堆叠，将规划问题作为多阶段MPC的第二尾视野求解，对齐成本、推导约束并引入过渡约束，提升了闭环跟踪性能。

Diagnosing Semantic Handoff Failures in Agent-Orchestrated Vision-Language-Action Skill Composition

诊断智能体编排的视觉-语言-动作技能组合中的语义切换失败

Ke Rui, Yushen Zuo, Jiawei Wang, Haoran Jia, Jinming Ma, Weitao Zhou, Minglei Li

机构 * SimpleAI 纠错

专题命中 规划决策 ：agent(title,abstract)

AI总结 研究智能体编排的视觉-语言-动作技能组合中的语义切换失败问题，通过智能体编排执行框架，调用基于π0.5的技能检查点，在两种初始状态分布下评估，发现单技能与长期任务成功率差距大，为未来技能库改进提供诊断依据。

Journal ref RSS SemRob Workshop 2026

Simulation-based planning of Motion Sequences for Automated Procedure Optimization in Multi-Robot Assembly Cells

基于仿真的多机器人装配单元自动化程序优化的运动序列规划

Loris Schneider, Marc Ungen, Elias Huber, Jan-Felix Klein

机构 * Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology（材料搬运与物流研究所（IFL），卡尔斯鲁厄理工学院） ； Bosch Corporate Research, Robert Bosch GmbH（博世企业研究，罗伯特·博世有限公司） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种基于仿真的方法，通过将装配步骤分解为核心操作和遍历操作，并采用分解式运动规划策略优化调度，以生成高效无碰撞的多机器人运动序列，减少装配时间。

Comments Accepted for publication at IEEE CASE 2026

A hybrid predictive and prescriptive modelling framework for long-term mental healthcare workforce planning

一种结合预测和规范性建模的长期心理健康劳动力规划框架

Harsha Chamara Hewage, Bahman Rostami-Tabar

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种结合预测和规范性建模的框架，用于长期心理健康劳动力规划，通过分析库存-流量模型和概率预测，揭示当前人员计划的不可持续性并提出地区层面政策改进。

Comments Published

Journal ref Journal of the Operational Research Society (2025)