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。
结构化观察语言用于高效且通用的视觉-语言导航
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出SOL-Nav框架，通过将视觉观察转化为结构化语言描述，提升视觉-语言导航的效率和泛化能力，实验表明其在减少模型规模和训练数据依赖方面表现优异。
基于停留时间的网格化家庭检测（GHOST）软件的设计与验证：用于移动定位数据
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本研究提出了一种基于网格和停留时间的家庭检测算法GHOST，通过定制的空间和时间过滤器识别最频繁访问的夜间或周末白天网格单元，以推断代理家庭位置，并在大规模数据集上验证其在噪声数据中的鲁棒性。
VEGA: 从野外自我中心视频中通过几何轨迹监督学习导航VLA
机构 * University of Maryland, College Park（马里兰大学帕克分校）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出VEGA方法，利用未标注的自我中心视频通过重建场景几何生成障碍感知轨迹，训练流匹配VLA导航策略，在VEGA-Bench上碰撞减少33.0%，真实世界成功率提升至少150.0%。
通过关系归纳偏差重新思考具身导航
机构 * School of Electronic Engineering, Xidian University（西安电子科技大学电子工程学院） ； School of Information Science and Engineering, Hohai University（河海大学信息科学与工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出DB-Nav框架，利用激活偏置和抑制偏置双关系偏置重塑搜索空间，通过关系激活-抑制探索图调节前沿探索，显著提升目标导航成功率和路径效率。
穿越绘画：来自互联网先验的自我中心世界模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Toyota Research Institute（丰田研究机构）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 EgoWM通过利用互联网先验和轻量级条件层，将预训练视频扩散模型转换为自我中心世界模型，实现可控的未来预测，提升结构一致性评分并降低推理延迟。
DSCD-Nav: 双视角协作辩论用于物体导航
机构 * School of Electronic Engineering, Xidian University, Xi' an 710071, China.（西安电子科技大学电子工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 DSCD-Nav通过双视角协作辩论机制提升机器人在部分可观测环境中的导航可靠性与效率。
AgenticNav：零样本视觉与语言导航作为工具调用框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Ltd（华为技术有限公司）
专题命中 GUI与网页智能体 ：agentic(abstract)
AI总结 提出AgenticNav，通过将动作、深度和记忆作为可调用工具暴露给VLM，实现零样本连续环境导航，在R2R-CE基准上达到SOTA性能。
Q-SpiRL：量子脉冲强化学习用于自适应机器人导航
机构 * eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（eBRAIN实验室，工程系，纽约大学阿布扎比分校） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute（量子与拓扑系统中心（CQTS），NYUAD研究机构）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出Q-SpiRL框架，结合量子增强的脉冲神经网络，实现了在动态环境中高效稳定的机器人导航，通过实验验证了其在任务完成、轨迹效率和运动平滑度之间的最佳平衡。
Comments Accepted at the IEEE International Conference on Quantum Computing and Engineering (QCE), 2026
动态网络中通过移动代理进行广播：图属性与代理的相互作用
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 重新审视动态网络中广播问题，原研究认为边密度是区分解决问题所需代理数量的关键属性，本文通过构造不同边密度的图及算法，表明边密度并非正确区分属性，揭示其与代理数量关系较弱。
Comments 31 pages, 5 figures
逻辑引导的社会感知机器人导航世界模型
机构 * School of Applied and Creative Computing, Purdue University（应用与创意计算学院，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Department of Applied Artificial Intelligence, Sungkyunkwan University（应用人工智能系，成均馆大学） ； Department of Computer Science and Department of Intelligent Systems Engineering, Indiana University Bloomington（计算机科学系和智能系统工程系，印第安纳大学布卢明顿分校）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出NaviWM，通过结合结构化世界模型和逻辑驱动推理链，增强大语言模型在动态人类空间中生成社交合规且物理安全的导航决策的能力。
Comments The authors have decided to withdraw this manuscript due to concerns regarding its current scope, framing, and presentation. Please do not cite this version
世界合一演示：用于学习开放世界移动操作的合成数据引擎
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究如何通过合成数据引擎WANDA从单个演示学习开放世界移动操作策略，利用重建背景、重排交互片段、校正状态扩展等方法，实现长期鲁棒性、空间泛化和跨环境泛化，还支持跨实体数据生成。
Comments Project website: https://wanda.lecar-lab.org/
用于视觉语言导航的实例增强语义地图
机构 * Department of Mechanical Engineering, Kyung Hee University（庆熙大学机械工程系） ； Advanced Institutes of Convergence Technology (AICT)（融合技术高级研究院） ； School of Mechanical Engineering, Kyungpook National University（庆北国立大学机械工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究视觉语言导航问题，提出实例增强语义地图框架，通过实例级二维半丰富信息映射、基于大语言模型的鲁棒查询处理和存储高效的语义表示，提升导航性能，在相关实验中取得优于基线的结果。
分配共同价值物品
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文研究了在无货币交易情况下最大化共同价值物品分配的问题，通过机制筛选代理人私有信息并影响其对物品价值的学习，最优机制由两个参数决定，可能排除部分代理人并导致即使所有代理人愿意接收时也 withholding 分配。
面向德国大流行模拟的移动性信息耦合ABM、PDE和ODE模型
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出混合建模框架，耦合高分辨率ABM与PDE/ODE模型，利用手机移动数据实现跨区域个体转移，平衡精度与效率，并在全德仿真中评估旅行限制和防控策略。
重新思考GenUI的用户界面：两种设计的故事
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 本研究通过对比两种GenUI设计（非结构化深度优先高保真 vs. 结构化广度优先低保真），探讨如何更好地支持早期0到1设计探索，发现结构化输入和广度优先工作流有优势但存在权衡。
SmoothTurn: 为四足机器人敏捷导航学习平稳转向
机构 * School of Computer Science, University of Sydney（悉尼大学计算机科学学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出SmoothTurn框架，通过引入序列目标到达奖励、扩展观测空间和自动目标课程，使四足机器人在高速运行时实现平稳转向，提升敏捷导航能力。
ReMoSPLAT：高斯点云上的反应式移动操作控制
机构 * QUT Centre For Robotics, School of Electrical Engineering and Robotics at the Queensland University of Technology（昆士兰理工大学机器人中心，电气工程与机器人学学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究移动操纵器在不涉及高成本规划下如何利用高斯点云表示避免碰撞，提出基于二次规划公式的ReMoSPLAT反应式控制器，通过模拟实验验证其可行性，性能可媲美依赖完美信息的控制器，并在真实机器人平台进一步验证。
Comments 8 pages, 5 figures
一种用于现实世界传染病模拟的混合 ABM-PDE 框架
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究提出将 ABM 与 PDE 模型结合的混合建模方法用于传染病模拟，以降计算复杂度。通过耦合机制保证一致性，用真实数据评估，该模型能捕捉核心动态且高效模拟，为传染病建模提供了强大且计算高效的替代方案。
广域物联网传感器网络中的移动基站最优巡回
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对广域物联网传感器网络，提出移动基站最优巡回（MOT）问题，通过形式化建模为组合优化问题，因计算难设计多项式时间贪婪启发式算法，模拟结果显示算法能低成本、全覆盖且快速执行。
Comments Accepted for publication at the Proceedings of SPCOM 2026
学习在图像空间中定位参考轨迹用于视觉导航
机构 * Division of Robotics, Perception, and Learning（机器人、感知与学习 division） ； KTH Royal Institute of Technology（瑞典皇家理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出LoTIS模型，通过定位参考轨迹在机器人当前视图中的图像坐标，实现无需相机标定、位姿或机器人特定训练的跨实体视觉导航，在正向导航中成功率提升20-50个百分点，达到94-98%。
RAE-NWM：密集视觉表示空间中的导航世界模型
机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； University of Rochester（罗切斯特大学） ； Beijing Information Science and Technology University（北京信息科技大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出RAE-NWM，在密集视觉表示空间中使用条件扩散Transformer建模导航动态，提升结构稳定性和动作精度，从而改善下游规划与导航。
Comments Code is available at: https://github.com/20robo/raenwm
异构移动充电器协同优化无线可充电传感器网络充电
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 针对无线可充电传感器网络能量受限问题，提出异构移动充电架构，结合无人机与地面智能车协同充电，并设计IHATRPO算法优化充电效率，显著降低节点死亡率。
Comments 16 pages, 52 figures, submitted to IEEE Internet of Things Journal
二维流动中的最优导航：控制理论与强化学习
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究在二维流动中，受平流和自推进的智能体（如漂浮无人机）的最小时间路径问题，利用最优控制理论求解，并应用强化学习（Q学习和演员-评论家算法）设计鲁棒导航策略，在规则流中接近最优解，在湍流中偏差增大，且粗粒化训练可泛化至全流场。
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。
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。
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
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