AI Agent

Traj-VLN: Learning Pixel-Space Interaction via Autoregressive Trajectory Generation

Traj-VLN：通过自回归轨迹生成学习像素空间交互

Changfei Fu, Guangcheng Chen, Aoxiang Gu, Haoxiang Liang, Wenjun Xu, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng National Laboratory（鹏城国家实验室） ； Guangdong University of Technology（广东工业大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 研究连续环境中视觉与语言导航问题，提出通过自回归轨迹生成在2D像素空间微调视觉语言模型来学习导航交互的方法，实验验证该方法能显著提升性能，旗舰模型在有限资源和数据下达最优水平。

Autonomous Driving with Priority-Ordered STL Specifications Under Multimodal Uncertainty

多模态不确定性下基于优先级排序STL规范的自动驾驶

Taha Bouzid, Shuhao Qi, Mircea Lazar, Sofie Haesaert

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种不确定性感知的轨迹规划框架，通过信号时序逻辑的词典序优先级处理冲突目标，并结合模型预测路径积分控制实现，在仿真中验证了有效性。

LineGraph2Road: Structural Graph Reasoning on Line Graphs for Road Network Extraction

LineGraph2Road：基于线路图的结构图推理用于道路网络提取

Zhengyang Wei, Renzhi Jing, Yiyi He, Jenny Suckale

机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 LineGraph2Road通过构建全局稀疏欧几里得图并应用图变换器，提升道路网络提取的连通性预测，解决长距离依赖和复杂拓扑问题，实现高精度道路提取。

BMDS-Net:Deployment-aware multi-modal brain tumor segmentation with adaptive fusion,decoder regularization,and Bayesian calibration

BMDS-Net：一种用于鲁棒脑肿瘤分割的贝叶斯多模态深度监督网络

Yan Zhou, Suncheng Xiang, Zhen Huang, Yue Ouyang, Yingqiu Li, Zehua Wang

机构 * School of Mathematics and Statistics, Changsha University of Science and Technology（数学与统计学学院，长沙理工大学） ； School of Biomedical Engineering, Shanghai Jiao Tong University（生物医学工程学院，上海交通大学） ； Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine（上海胸科医院，上海交通大学医学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 BMDS-Net通过贝叶斯方法提升多模态脑肿瘤分割的鲁棒性和可信度，实现更稳定的临床应用。

Comments 21 pages, 6 figures. Manuscript prepared for submission to ACM HEALTH

CLEAR: A Semantic-Geometric Terrain Abstraction for Large-Scale Unstructured Environments

CLEAR: 一种用于大规模无结构环境的语义-几何地形抽象

Pranay Meshram, Charuvahan Adhivarahan, Ehsan Tarkesh Esfahani, Souma Chowdhury, Chen Wang, Karthik Dantu

机构 * Department of Computer Science and Engineering, University at Buffalo（计算机科学与工程系，布法罗大学） ； Department of Mechanical and Aerospace Engineering, University at Buffalo（机械与航空航天工程系，布法罗大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 CLEAR通过结合边界感知的空间分解与递归平面拟合，实现了大规模无结构环境中的高效地形抽象，提高了路径规划的速度和可靠性。

Comments Accepted in IEEE RA-L August, 2026

Dancing Points: Synthesizing Ballroom Dancing with Three-Point Inputs

Dancing Points: 通过三点输入合成舞厅舞蹈

Peizhuo Li, Sebastian Starke, Yuting Ye, Olga Sorkine-Hornung

机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 通过三点输入合成舞厅舞蹈，利用低维轨迹预测提升动作生成效率

$\mathcal{P}^3$: Toward Versatile Embodied Agents

$\mathcal{P}^3$：迈向通用具身智能体

Shengli Zhou, Xiangchen Wang, Jinrui Zhang, Ruozai Tian, Jianzheng Huang, Rongtao Xu, Guanhua Chen, Feng Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Spatialtemporal AI（时空AI） ； MBZUAI 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对具身智能体面临的动态环境感知、工具使用和多任务规划挑战，提出$\mathcal{P}^3$统一框架，集成实时感知与动态调度，经实验验证能打造高迁移性通用具身智能体。

Comments Accepted by RSS 2026 Workshop ExWBC

Vorch-Streamer: Extending Human Audio-Visual Generation to Real-Time Long-Form Streaming

Vorch-Streamer：将人类音视频生扩展至实时长格式流式生成

Menglin Han, Yang Ding, Yulei Lu, Haoran Yu, Xin Ma, Junyi Chen, Zhangkai Ni, Lin Ma, Yaohui Wang

机构 * Vorch Team（Vorch团队） ； Tongji University（同济大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 Vorch-Streamer是一款后训练框架，通过混合训练、自强制与DMD蒸馏等技术，实现了超24 FPS的实时长格式T2AV流式音视频生成，兼具音唇同步性与身份保留能力。

Comments Project page: https://vorch-project.github.io/Vorch-Streamer-project/

Grasp Execution Without a Planner: Configuration-Space Grasp Distance Fields with Certified Safety & Guaranteed Quality

无需规划器的抓取执行：带可验证安全性与保证质量的构型空间抓取距离场

Clinton Enwerem, John S. Baras, Calin Belta

机构 * University of Maryland（马里兰大学） ； Institute for Systems Research (ISR)（系统研究所（ISR）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 该研究提出带可验证安全与质量保证的抓取距离场（GDFs），无需规划器即可执行抓取，在仿真中成功抓取 50 个物体中的 46 个，每步 QP 求解仅需 0.09 ms。

Comments 14 pages, 7 figures, 3 tables. Project page: www.clintonenwerem.com/gdf

An Operator-based Approach to STL

一种基于算子的STL方法

Panagiotis Rousseas, Dimos V. Dimarogonas

机构 * Department of Decision and Control Systems, School of Electrical Engineering and Computer Science, Royal Institute of Technology (KTH)（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院（KTH）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种基于可达性值函数算子的STL新框架，通过直接开发算子嵌套规则处理复杂多嵌套公式，并实现在线控制综合。

Evolutionary Systems Thinking: From Equilibrium Models to Open-Ended Adaptive Dynamics

进化系统思维——从平衡模型到开放性适应动态

Dan Adler

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出稳定性驱动组装（SDA）模型，通过随机相互作用和微分持续性实现非平衡进化动态，揭示均衡约束模型无法产生开放性进化，强调结构与动态共进化的重要性。

Comments 17 pages, 5 figures

Journal ref Presented at the 44th International System Dynamics Conference (ISDC), Delft, The Netherlands, July 23, 2026

Robotic Nanoparticle Synthesis via Solution-based Processes

基于溶液过程的机器人纳米粒子合成

Dasharadhan Mahalingam, Michael Gallagher, Nilanjan Chakraborty, Stanislaus S. Wong

机构 * Department of Mechanical Engineering, Stony Brook University（石溪大学机械工程系） ； Department of Chemistry, Stony Brook University（石溪大学化学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于螺旋几何的操控规划框架，用于实现基于溶液的合成自动化，通过金和磁铁矿纳米粒子的制备进行演示。该框架通过编程演示提取约束，实现化学家无需机器人知识即可重新编程系统。

Parallel-in-Time Nonlinear Optimal Control via GPU-native Sequential Convex Programming

基于GPU原生顺序二次规划的并行时间非线性最优控制

Yilin Zou, Zhong Zhang, Maxime Robic, Fanghua Jiang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于GPU的并行时间非线性最优控制方法，结合顺序二次规划与共识交替方向乘子法，通过时间分裂策略实现大规模并行计算，显著提升求解效率和硬件利用率。

Afford-X: Generalizable and Slim Affordance Reasoning for Task-oriented Manipulation

Afford-X：面向任务型操作的通用且轻量化的可供性推理模型

Xiaomeng Zhu, Yuyang Li, Leiyao Cui, Pengfei Li, Huan-ang Gao, Yixin Zhu, Hao Zhao

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； Institute for Al Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Department of Computer Science, Tsinghua University（清华大学计算机科学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究人员推出LVIS-Aff数据集，开发了Afford-X可供性推理模型，其性能优于现有非LLM方法和此前会议论文结果，参数紧凑、推理速度快，可部署于本地设备助力机器人任务导向型操作。

Who Responds When the Driver Is Gone? A Framework for Holistic Passenger Intent Understanding

当驾驶员离开时谁来做出反应？一种人类意图理解框架

Xuewen Luo, Ding Fan, Ruiqi Chen, Ye Cao, Xiujin Liu, Bo Yu, Fengze Yang, Chenxi Liu

专题命中 规划决策 ：planning(abstract)

AI总结 研究无人驾驶时谁理解并回应乘客，提出Intent2Drive框架，将意图建模为潜在认知状态，构建数据集和推理器，引入分层规划器，提升意图推理等能力，迈向响应乘客的自动驾驶系统。

Learning Direct Control Policies with Flow Matching for Autonomous Driving

通过流匹配学习自动驾驶的直接控制策略

Marcello Ceresini, Federico Pirazzoli, Andrea Bertogalli, Lorenzo Cipelli, Filippo D'Addeo, Anthony Dell'Eva, Alessandro Paolo Capasso, Alberto Broggi

机构 * Università degli Studi di Parma（帕尔马大学） ； Alma Mater Studiorum - Università di Bologna（博洛尼亚大学） ； VisLab (an Ambarella Inc. company)（VisLab（安柏莱拉公司）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于流匹配的自动驾驶规划器，直接输出由加速度和曲率剖面定义的可控轨迹，通过鸟瞰图栅格输入，在少量常微分方程积分步骤中生成控制序列，实现低延迟推理。在真实城市场景上训练并在多车道高速公路等新环境中评估，证明模型能可靠泛化。

Comments 16 pages, 6 figures, 2 tables. Accepted for oral presentation at the 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC 2026)

Energy systems models are diagnostic tools, not projection machines

诊断建模：负责任能源系统建模的原则框架

I. David Elder, Juan Moreno-Cruz, Cameron Wade, Sylvia Sleep, Sara Hastings-Simon, Sean McCoy, Heather L. MacLean, I. Daniel Posen

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出诊断建模框架，通过批判性分析和探索不确定性，揭示机制性解释，为能源转型政策提供可靠见解。

From Coils to Surface Recession: Multiphysics Simulation of Ablation in ICP Wind Tunnels

从线圈到表面退化：ICP风洞中烧蚀的完全耦合模拟

Sanjeev Kumar, Alessandro Munafo, Blaine Vollmer, Massimo Franco, Kelly A. Stephani, Daniel J. Bodony, Marco Panesi

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种用于ICP风洞中材料烧蚀模拟的多物理场耦合框架，通过高保真求解器实现从头到尾的模拟，准确预测热化学响应和烧蚀行为。

Comments 44 pages, 24 figures

Medical world models in healthcare: foundations, applications, and challenges for trustworthy clinical translation

医疗保健中的医学世界模型：可信临床翻译的基础、应用与挑战

Zhaoyan Chen, Zhongxiu Cong, Zhuanfeng Jin, Wanshu Fan, Dongsheng Zhou, Qi Ai, Haifan Gong, Congyu Liao, Xiaofeng Liu, Cong Wang

机构 * National and Local Joint Engineering Laboratory of Computer Aided Design, School of Software Engineering, Dalian University（大连大学软件工程学院计算机辅助设计国家地方联合工程实验室） ； Department of Radiology, Xinhua Hospital Affiliated to Dalian University（大连大学附属新华医院放射科） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of California, San Francisco（加州大学旧金山分校） ； Yale University（耶鲁大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 探讨医学世界模型在医疗保健中的应用，通过结构化综合定义其领域相关内容，围绕四种能力组织，涵盖多方面证据，虽有早期可行性证据，但受多种因素限制，临床翻译需多方面保障。

Deep Reinforcement Learning for Adaptive Gain Tuning in Control of Teleoperation Manipulators with Joint Flexibility and Time-Varying Delays

具有关节灵活性和时变延迟的遥操作机器人控制中自适应增益调整的深度强化学习

Armin Attarzadeh, Mohammad Ali Ghaemifar, Alireza Khanzadeh, Soheil Ganjefar

专题命中 规划决策 ：agent(abstract)

AI总结 针对含有关节灵活性和时变延迟的遥操作机器人控制问题，提出结合稳定P+d控制器与基于TD3算法的深度强化学习智能体的混合控制方法，可实时调整增益减少振动，为相关遥操作系统提供实用方案。

Comments 7 pages, 6 figures. Source code available at: https://github.com/ArminAttarzadeh/DRL-Controller-Gain-Tuner

Risk Occupancy: A New and Efficient Paradigm through Vehicle-Road-Cloud Collaboration

风险占用：一种通过车路云协同实现的新型高效范式

Jiaxing Chen, Wei Zhong, Bolin Gao, Yifei Liu, Hengduo Zou, Jiaxi Liu, Yanbo Lu, Jin Huang, Zhihua Zhong

专题命中 规划决策 ：planning(abstract)

AI总结 该研究提出车路云协同下的四维风险占用感知范式，其效率优于3D-Occ，在初始制动速度8m/s时提升安全冗余、降低减速度，为智能网联汽车提供紧凑可解释的风险表示。

Comments 11 pages,10 figures

Small-Angle Scattering

小角散射

Sebastian Jaksch

专题命中 规划决策 ：planning(abstract)

AI总结 本文介绍小角散射（SAS）的两种主要类型SAXS与SANS，涵盖其适用样品、科学应用、仪器设置、数据处理等内容，为SAS实验的规划与开展提供足够信息。

MoWorld: A Flash World Model

MoWorld：一种快速世界模型

Team Moxin, Deyi Ji, Tianrun Chen, Xin Zhang, Jiale Yang, Qi Zhu, An Zhao, Zihao Xie, Han Wang, Xuanyi Liu, Yixiang Zhou, Pei Liu, Yi Tan, Cheng Chen, Dayi Zhu, Mingyu Wei, Hanjie Xu, Jun Liao, Siqi Li, Lingyu Lu, Hongye Fang, Hongming Tan, Youjiang Zhu, Taiyu Zhang, Zejian Li, Chaotao Ding, Zhipeng Liang, Wenxuan Song, Yi Li, Baochuan Yang, Xin Jiang, Ben Feng, Jingyuan Zou, Yanlin Liu, Rong Shi, Lingfeng Li, Liyi Yao, Lanyun Zhu, Yunhe Pan, Lingyun Sun

机构 * Moxin Technology（魔心科技） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究旨在提升世界模型实用性与推理效率。提出MoWorld，基于3D原生数据引擎，有课程跨帧预训练等策略，能在NPU上达50 FPS实时交互，平均推理成本低，为世界模型大规模应用提供基础并展示多种应用。

Comments Project Page: https://moxin-tech.github.io/moworld/

EnergyAgentBench: Benchmarking LLM Agents on Live Energy Infrastructure Data

EnergyAgentBench: 在实时能源基础设施数据上评估LLM代理的基准测试

Eliseo Curcio

专题命中 规划决策 ：agentic(abstract)

AI总结 本文提出EnergyAgentBench，首个基于实时电力市场数据的LLM代理基准测试，评估数据中心选址、长期投资组合优化等任务，九种模型在1414次运行中表现各异，Claude Sonnet 4.6在整体得分上领先。

Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directions

机器人中的基础模型：方法、模型、数据集、挑战及未来研究方向的全面综述

Aggelos Psiris, Vasileios Argyriou, Evangelos K. Markakis, Panagiotis Sarigiannidis, Efstratios Gavves, Kostas Bekris, Arash Ajoudani, Georgios Th. Papadopoulos

机构 * Department of Informatics and Telematics, Harokopio University of Athens（信息与电信系，哈罗科比欧大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了机器人中基础模型的发展，涵盖方法、模型、数据集、挑战及未来方向，分析了不同阶段的研究演变及关键方面。

Journal ref Transactions on Machine Learning Research (TMLR), 07/2026

Contingency-Aware Nodal Optimal Power Investments with High Temporal Resolution

考虑 contingencies 的节点最优电力投资

Thomas Lee, Andy Sun

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出 CANOPI 框架，解决考虑 contingencies 的节点电力投资问题，通过线性近似和固定点算法提升计算效率，展示在 1493 节点系统中的可靠性与经济性优势。

Comments This work has been submitted to the IEEE for possible publication

From Representational Complementarity to Dual Systems: Synergizing VLM and Vision-Only Backbones for End-to-End Driving

从表征互补性到双系统：协同VLM和纯视觉骨干网络用于端到端驾驶

Sining Ang, Yuguang Yang, Chenxu Dang, Canyu Chen, Cheng Chi, Haiyan Liu, Xuanyao Mao, Jason Bao, Xuliang, Bingchuan Sun, Yan Wang

机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； National Superior College for Engineers, Beihang University（北京航空航天大学国家级工程师学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Lenovo Group Limited（联想集团有限公司） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过协同VLM和纯视觉骨干网络，提出HybridDriveVLA和DualDriveVLA，提升端到端驾驶的PDMS性能。

Extending the Joint Probability Method to Compound Flooding: Transition Zone Delineation, Flood Depth Attribution, and Design Event Selection

将联合概率方法扩展至复合洪水：过渡带划定、洪水深度归因与设计事件选择

Mark S. Bartlett, Nathan Geldner, Hugh J. Roberts, Zach Cobell, Brett McMann, Luis Partida, Ovel Diaz, David R. Johnson, Hanbeen Kim, Gabriele Villarini, Shubra Misra, Muthukumar Narayanaswamy

专题命中 规划决策 ：planning(abstract)

AI总结 本研究扩展联合概率方法，耦合风暴特征随机描述与降雨、前期水文条件的概率分布，用于复合洪水过渡带划定、深度归因及设计事件选择，经马雷帕斯湖流域验证可更准确评估复合洪水风险。

Comments Version resubmitted and revised based on reviewer comments from Water Resources Research; 56 pages, 20 figures; Units are metric

A drone that learns to efficiently find non-uniformly distributed objects in agricultural fields: from simulation to the real world

一种学习高效查找农田中非均匀分布目标的无人机：从仿真到现实世界

Rick van Essen, Eldert van Henten, Gert Kootstra

机构 * Wageningen University and Research（瓦赫宁根大学和研究学院） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出一种基于强化学习的无人机路径规划器，结合仿真训练与真实部署，可缩短农田目标检测飞行路径，虽召回率略降但效率提升，适用于非均匀分布目标的农业场景。

Comments Accepted to the Novel Approaches for Precision Agriculture and Forestry with Autonomous Robots IEEE ICRA Workshop - 2025

On the Viability of Semi-Supervised Segmentation Methods for Statistical Shape Modeling

半监督分割方法在统计形状建模中的可行性研究

Asma Khan, Tushar Kataria, Janmesh Ukey, Shireen Y. Elhabian

专题命中 规划决策 ：planning(abstract)

AI总结 本研究系统评估半监督分割方法作为手动分割替代方案的可行性，建立相关性能基准，发现部分半监督方法在减少60%-80%手动标注时，可生成与手动分割效果相当的SSM。