AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
HumanHalo -- 通过最小保守MPC实现安全高效的三维人群导航
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出HumanHalo框架，结合可达性安全保证与数据驱动人体运动预测，通过仅约束初始控制输入实现安全高效的3D MAV人群导航，在仿真和真实实验中验证了其有效性。
OmniNWM：全知驾驶导航世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究所） ； PhiGent ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出OmniNWM全知全景导航世界模型，在统一概率框架下处理状态、动作和奖励三个维度，实现多模态全景视频生成、零样本轨迹控制及内在奖励机制，在生成保真度和控制精度上达到SOTA。
Comments ECCV 2026
SenseExpo: 通过快速预测算子的场景估计进行空间探索与导航
机构 * Tsinghua University（清华大学） ； University of Georgia（佐治亚大学） ； Peking University（北京大学） ； D-Robotics（D-机器人） ； Infinity Robotics（Infinity机器人）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出轻量级单机器人探索框架SenseExpo，结合紧凑地图预测网络与前沿策略，以709K参数实现优于U-Net和LaMa的预测性能，并在探索实验中显著加速目标覆盖。
PolyMerge: 用多面体覆盖压缩3D高斯泼溅以实现可证明安全的资源受限导航
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出PolyMerge，将大规模3D高斯泼溅模型转换为凸多面体覆盖，保证覆盖原模型所有障碍物，结合控制障碍函数实现实时安全路径规划，在Crazyflie无人机上验证。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8512-8519, July 2026
缺失的层次：为什么教育科技需要设计时的生成式用户界面，而非仅运行时个性化
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 针对教育科技中运行时生成式UI导致可访问性不足的问题，提出在创作层采用基于卡片的语义单元编码，由生成式AI在教学设计时生成多种界面表示，经教师验证后交付，实现公平可扩展的适应性教育。
Comments Accepted at the NextGen Learning Interfaces Workshop in AIED 2026
Metis: 一种用于自动驾驶和城市导航的通用高效世界-动作模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Li Auto Inc.（理想汽车） ； Huazhong University of Science and Technology（华中科技大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出Metis框架，通过解耦视频生成与动作预测，采用混合专家架构和不对称注意力掩码，实现高效推理与泛化，在多个导航基准上取得最优性能。
通过浏览器可访问的LLM交互得到度/直径问题的新下界
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 通过与ChatGPT交互发现图构造，改进了度/直径问题的下界：N(12,5)≥34,992和N(16,5)≥147,456。
任务感知的环境增强：通过屏蔽条件扩散实现可靠导航
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对部分可观测环境下的轨迹规划可靠性问题，提出任务感知的环境增强方法SCoDA，利用条件扩散模型学习最优视觉标记布局，通过屏蔽采样引导标记放置，提升轨迹执行可靠性和完成时间。
GuideWalk: 面向人形机器人的统一自主导航与运动学习，适用于多种地形
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Leju Robotics（乐聚机器人）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出GuideWalk框架，通过可通行性感知导航引导与地形自适应运动教师蒸馏，实现人形机器人在复杂地形上的稳定导航与运动协调。
用于四肢瘫痪用户居家移动操作的双侧高密度肌电控制
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对颈椎脊髓损伤用户，提出双侧高密度肌电（HDEMG）前臂袖套，结合共享自主框架实现实时手势控制移动操作器，经12天居家研究验证日常任务有效性。
Comments 17 pages, 20 figures
ReMoBot: 基于检索的少样本模仿学习用于移动操作与视觉基础模型
机构 * School of Electrical Engineering, Aalto University, Espoo, Finland（艾尔沃大学电气工程学院，埃斯波，芬兰）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出ReMoBot，一种基于检索的少样本模仿学习框架，利用视觉基础模型从演示中检索信息，解决移动操作任务中的部分可观测性和数据有限问题，在真实世界任务中取得高成功率。
公海航行智能航行模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑技术大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出首个智能航行模型（ISM），模拟遵守海上交通规则的船舶，结合模型预测控制实现航点跟踪，在交互仿真中达到约97%的目标到达率且无碰撞。
朴素视觉记忆不足：GUI代理的失败模式研究
机构 * KAIST（韩国科学技术院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出动作锚定视觉记忆（AGMem），通过存储与成功动作相关的局部GUI区域图像而非全屏截图，减少GUI代理中的动作级错误，在OSWorld上将任务成功率提升33.3%。
Comments 9 pages, 5 figures, ICML 2026 WORKSHOP
NavWAM：用于目标条件视觉导航的导航世界动作模型
机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（国立信息学研究所） ； AIRoA ； ATR
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出NavWAM，一种扩散变换器策略，通过联合学习未来观测、目标进度值和动作块，将导航世界模型预测直接转化为可执行动作，在离线基准和真实机器人部署中优于基于规划的世界模型基线。
Comments Project page: https://dachii-azm.github.io/navwam/
Goal2Pixel: 将目标锚定到像素以实现视觉语言导航
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出Goal2Pixel范式，通过将连续环境中的视觉语言导航（VLN-CE）重新定义为可导航像素锚定，利用图像平面作为统一空间接口，预测可见导航像素并反投影为3D航点，结合可见性感知关键帧记忆和坐标感知辅助损失，在减少VLM调用次数的同时实现竞争性性能。
Comments 8 pages
VGP-Nav：用于机器人导航的度量感知视觉几何感知
机构 * Southern University of Science and Technology（南方科技大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Shenzhen University（深圳大学） ； SpatialTemporal AI（时空人工智能）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出VGP-Nav，一种仅依赖单目RGB输入的框架，通过地面平面几何约束解决尺度模糊，实现度量定位与障碍物感知的统一。
IMAC-AgriVLN：农业视觉与语言导航智能体能否意识到指令错误？
机构 * China Agricultural University（中国农业大学） ； China Agricultural University-Sichuan Advanced Agricultural & Industrial Institute（中国农业大学-四川先进农业与工业研究院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 针对农业VLN中指令可能错误的问题，提出A2A-MI基准和IMAC模块，通过分析指令与前方图像判断并纠正错误，显著提升导航性能。
掩盖意图，维持平衡：基于风险的潜在游戏的动态移动 crowdsensing 服务提供
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出iParts框架，通过隐私保护和风险意识的两阶段方法，解决动态移动 crowdsensing 中任务完成、预算可行性和传感质量的不确定性问题。
通过群体可行动作空间缩减来填补空间互动中的因果责任空缺
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出一种群体因果责任度量方法，用于解决个体中心度量在因果过定性情况下失效的问题，通过定义积极影响类型和分层算法来识别因果责任主体，并通过场景模拟展示群体效应的动态变化。
Comments Presented at COINE workshop collocated with AAMAS 2026
从像素到货架：基于移动操作臂的自主超市补货集成机器人系统
机构 * Department of Information Engineering, University of Padova（帕多瓦大学信息工程系） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院决策与控制系统系） ； Animum AB（Animum公司）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出一种集成商用硬件与ROS2的模块化机器人系统，利用行为树规划、视觉检测和两步MPC控制，在700多次补货实验中实现98%以上的抓取成功率，但性能仍逊于人类工人。
Comments Preprint for CASE 2026
我们真的需要立即重置吗？重新思考高效机器人导航的碰撞处理
机构 * College of Information Science and Technology, Eastern Institute of Technology（信息科学与技术学院，东部技术学院） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（航空与航空工程系，香港理工大学） ； Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学） ； School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； Department of Mechanical Engineering, The Hong Kong Polytechnic University（机械工程系，香港理工大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 针对机器人导航中每次碰撞立即重置环境的惯例，提出多碰撞重置预算（MCB）框架，通过将局部碰撞终止与全局环境重置解耦，允许智能体在同一回合内重试困难配置，从而提高早期学习效率。
Comments 8 pages, 9 figures
在值得时询问：面向实例目标导航的成本感知开放式交互
机构 * Adelaide University（阿德莱德大学） ； Responsible AI Research Centre, Australian Institute for Machine Learning（负责任人工智能研究中心，澳大利亚机器学习研究所） ； Institute for Infocomm Research (I2R), A*STAR（信息与通信研究院（I2R），A*STAR） ； iMotion ； CSIRO Data61 Project Website（CSIRO Data61项目网站）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 针对实例目标导航中语言歧义问题，提出一种成本敏感的不确定性减少方法，通过信息增益分析确定有效问题类型，并构建基准测试和加权成功率指标，实现零样本MLLM导航器仅在预期收益大于成本时查询。
TrackerBots: 用于实时定位和跟踪多个无线电标签动物的自主无人机
机构 * Wiley（威立出版集团）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出了一种名为TrackerBots的自主无人机系统，利用RSSI测量实现低成本轻量级的多只无线电标签动物的实时定位和跟踪，通过粒子滤波和POMDP动态路径规划提高导航效率并节省电量。
Comments The accepted version to the Journal of Field Robotics, published after the embargo period (12 months)
Journal ref Journal of Field Robotics. 2019; 36: 617 - 635
自适应引导与集成导航的强化元学习
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出了一种基于强化元学习的自适应引导系统，采用递归策略和价值函数近似器，通过递归网络层使部署策略能实时适应作用在智能体上的环境力，在四个具有未知但高度动态变化的挑战性环境中比较了DR/DV引导律、非递归策略的RL代理和递归策略的RL代理的性能，并展示了RL元学习优化的策略在火星着陆环境中仅使用多普勒雷达高度计读数，在小行星着陆环境中仅使用LIDAR高度计读数时实现引导和导航的整合能力。
Comments arXiv admin note: substantial text overlap with arXiv:1901.04473
一种多层反馈系统方法用于远程部署移动物联网的韧性连接
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出了一种多层反馈系统方法，用于实现远程部署移动物联网的韧性连接，通过自适应和自配置的框架，提高空间分散智能设备之间的可靠性连接。
Comments IEEE Transactions on Cognitive Communications and Networking 2018. arXiv admin note: substantial text overlap with arXiv:1709.00621
Journal ref IEEE Transactions on Cognitive Communications and Networking 2018
多层远程部署移动物联网中的认知连接韧性
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出了一种反馈驱动的自适应、自配置和健壮的覆盖网络框架，以应对远程地区缺乏传统通信基础设施的物联网需求，通过认知适应网络变化，确保空间分散智能设备的可靠连接。
Comments To appear in IEEE Global Communications Conference (Globecom 2017)
Journal ref IEEE Global Communications Conference 2017
SLAMBooster: 一种面向应用的近似控制算法用于SLAM
机构 * University of Texas at Austin, USA（德克萨斯大学奥斯汀分校） ； Indian Institute of Technology Kanpur, India（印度理工学院坎普尔分校）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出SLAMBooster，一种面向应用的在线控制算法，用于在SLAM中实现近似计算，通过动态调整近似参数来减少计算时间和能耗，同时保持定位精度。
Comments 13 pages
为异构智能体分配任务的最优化路线
机构 * School of Electrical and Computer Engineering at Purdue University（普渡大学电气与计算机工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究如何为异构移动智能体分配任务，以最小化任何智能体完成任务并返回仓库的最大成本，提出了一种三阶段算法，提供5倍近似比。
在移动代理的互联网中进行定位：一种线性方法
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出一种分布式定位方法，用于5G环境中的移动设备定位，通过局部测量和计算实现线性解，避免传统集中式方案的高密度锚点部署需求。
Comments Technical Report
自由时空的划分用于自动驾驶地面车辆的道路导航
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出一种系统方法，将无碰撞的时空划分为凸子区域，用于自动驾驶车辆的道路导航，通过分解NP难问题为图路径寻找和简单优化，提升轨迹规划效率。
Comments Presented at IEEE CDC2017
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈